基于深度强化学习的舰载机动态避障方法

来源 :计算机辅助设计与图形学学报 | 被引量 : 0次 | 上传用户:HUANGKAO2
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对高度异构、动态的航母甲板作业场景中的舰载机避障问题,提出一种结合预测算法和深度强化学习的避障方法.该方法包含场景建模、奖励模型和轨迹预测模型等模块.首先基于智能体状态和动作空间对航母甲板场景进行建模;然后利用最小二乘法对场景中动态障碍物的位置进行实时轨迹预测,并构造了包含路径预测模块的深度强化学习方法——环境预测深度Q网络(PDQN);最后利用该方法实现航母甲板作业场景中的舰载机动态避障.利用Python绘图集Matplotlib进行仿真实验,实验数据结果表明,相比于Q-learning,SAR
其他文献
针对场景密集人群移动过程中存在遮挡和倒影问题,提出一种新的谱聚类算法用于人群聚类。首先构造一种新的邻接矩阵作为谱聚类的输入参数,然后再构造一种新的拉普拉斯矩阵,通过选取拉普拉斯矩阵的四个最小特征值组成特征向量。采用K-means算法对特征向量进行聚类得到人群聚类指数,并将聚类指数映射至图像。通过在CCD、CMD、MPT国际公开数据集上进行实验,上述算法较其它其他人群聚类算法得到更高的聚类纯度(Pu
为了提高网页大数据抓取效率,解决传统抓取方法误差大的问题,提出了基于网络爬虫的网页大数据抓取方法。首先分析网络爬虫运行的基本流程,按流程提取大数据关键特征,然后根据特征提取结果提出基于网络爬虫的数据抓取策略。经计算得到数据关键特征,从而选择广度优先策略抓取数据信息,并利用相重新构建相空间的方式得到爬虫维度,引入关联维数值完成网页大数据抓取,对数据关键特征完成抓取任务。通过仿真结果表明,所提方法对网
传统流量预测模型缺少对神经网络动态记忆力的优化调整,导致网络流量预测结果精确度低、稳定性差等问题。为此提出基于深度神经网络的网络流量预测模型。利用隐含层和关联层提高神经网络动态记忆力,将深度神经网络划分多个神经元,完成预测权值修正。引入输出向量构建流量动态预测模型,获取实际流量与预测流量的误差,优化模型权值与阈值,完成网络流量的高记忆度预测。为验证研究方法应用效果,设计一次仿真,结果表明,所设计模
针对传统的电子档案储存系统存在效率低、储存量小、运行速度慢等缺陷,不在适用于大数据背景下的档案管理工作等问题,提出基于信息融合的电子档案系统信息储存优化方法。通过信息融合基本架构将其分为数据层、特征层与决策层三个级别的融合形式,探究不同层次优势与作用;将神经网络与信息融合技术相结合,确定神经元、拓扑结构与学习规则,建立电子档案信息融合安全储存模型;利用字符频率零水印算法计算电子档案排序序列的相似度
当前采用基于聚类的方法、基于协议分析的方法以及基于信任值的方法对数据库的交互行为进行公开验证,都存在查全率和查准率较低的问题。为提高验证过程的查全率和查准率,提出一种基于序列匹配的数据库交互行为公开验证方法。采集网络审计记录中的交互行为信息,并对交互行为信息进行清洗处理;对清洗后的交互行为信息进行正常交互行为序列特征的提取,在对正常交互行为序列特征和实际交互行为序列特征的相似度进行计算的基础上,完
无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融
针对在随机共振系统参数调节过程中使用单一智能算法导致的搜索结果不够精确的问题,使用了一种基于粒子群算法和人工鱼群算法的混合智能算法实现自适应微弱信号的检测。将两种算法结合起来,回避了粒子群算法调参的过程中极易导致局部最优的这一问题,同时弥补了人工鱼群算法后期搜索不精确的不足。上述方法将随机共振输出信噪比作为混合智能算法的目标函数,仿真结果表明,所提出的方法与多种单一算法以及单一优化算法相比,能够更
中国题画诗是世界艺术史上一种极为特殊的艺术形式,它结合了中国古代文学和美术,诗与画相得益彰、浑然一体.为实现计算机为画题诗的功能,提取和使用古代绘画的多句现代文描述,提高古诗对绘画的文学表达能力,提出一种基于古代绘画的古诗自动生成方法.首先根据古画建立多句现代文标注数据集,然后通过改进的图像描述方法提取古画语义特征得到多句现代文描述,最后通过双向LSTM编解码框架将这些现代文描述转化为律诗.针对宋
由于室内复杂环境RGB-D扫描数据不完整﹑物体相互遮挡等缺陷,以及表示部分场景的单帧数据输入的局限性,导致难以通过一次操作高效检测室内场景中的所有3D目标物体.为了克服难以感知获取室内场景中全部物体信息以及场景3D目标检测效率低等的难点,提出一种基于RGB-D视频流的室内环境3D目标高效检测方法.首先,利用Kinect相机获取待检测的室内环境RGB-D视频流,经预处理得到连续帧彩色图及其对应的扫描
针对三维人体模型语义获取和对称区分的难题,提出一种自动的、左右可区分的三维人体模型语义分割方法.对于输入的人体模型,首先采用模板嵌入的方法提取其左右可区分的、具有语义信息的运动骨架;然后基于运动骨架确定人体模型的分割块数量,并提取各个分割块对应的关键点;再以关键点为边界约束计算模型的调和场,获取分割线的候选集;最后以关键点为聚类中心对模型进行谱聚类,利用聚类结果引导分割线的筛选,确定其中准确的分割