随着人工智能技术的飞速发展,机器人在工业、农业、科研领域蓬勃发展。以定位、路径规划、路径追踪等导航技术为代表的研究领域成为机器人研究的热点问题。随着机器人执行任务环境的日趋复杂,机器人通过与所处的环境进行交互实时学习进行路径规划,成为新的研究趋势。本课题基于以QL算法为代表的强化学习理论,研究如何通过获得最大累积回报和最优控制规则进行移动机器人局部路径规划问题的研究。针对强化学习收敛速度慢、探索与利用两难及危险区域等问题,提出了基于模糊-QL的移动机器人局部路径规划方法。首先针对规划问题设计状态-动作变量,并对其进行模糊化处理;然后设计Q值函数矩阵来存储学习强化值,并根据避障和最短路径的要求构建了奖赏函数;为了平衡探索与利用问题,加快收敛速度,利用?-探索与利用平衡策略、动作选择算法和更新步长改进QL学习过程。经过学习后获得最佳状态-动作对,得到最优模糊控制规则,完成局部路径规划。针对在特殊危险环境下的死锁问题,在模糊控制规则中,还添加了预防死锁的规则,以提高规划效率。针对QL学习过程中状态-动作对访问不彻底的问题,设置了转向规则表。该方法在机器人利用控制规则规划路径的过程中,根据三个传感器的测量距离,设计转向规则,创造更多学习状态-动作对的机会,增加每个状态-动作对被学习的概率,从而提高QL算法的学习效率,使得学习路线更加平稳。最后基于MATLAB设计实验仿真平台。仿真结果表明,在复杂的环境中,基于模糊-QL算法的机器人能够有效避障,加快算法收敛速度,平衡探索与利用问题,能跳出死锁区域,规划出最优或次优路径。状态-动作对访问不彻底问题的解决方案加强了对状态-动作对的遍历学习,优化了路径规划。