基于强化学习DQN算法实现的智能机器人路径规划系统.zip

简介：
强化学习（Reinforcement Learning,简称RL），又称再励学说评价学或增强学说再学说等命名方式之一，在机器学领域作为一种范式和技术手段被广泛应用。它主要用于研究智能体如何在与环境交互的过程中自主选择策略以实现最大化的回报或达成预设目标的问题解决过程。其显著特点在于无需监督数据指导只有奖励信号反馈驱动模型训练过程。常见的典型模型包括标准马尔可夫决策过程（Markov Decision Process简称为MDP）。根据设定条件的不同它可分为基于模型的强化学说方法（Model-Based RL）、无模型的强化学说方法（Model-Free RL）、主动型的强化学说方法以及被动型强化学说方法四类此外还包含逆向型强化学说方法层次型强化学说方法以及部分可观测系统的强化学说方法等多种