论文部分内容阅读
针对基于传统Q-learning的汽车协同式自适应巡航算法加减速的控制不够线性的问题,且为了进一步提高动作选择的准确性,提出一种基于LSTM改进的Q-learning控制算法。算法在Q-learning的动作选择阶段引入LSTM模型,通过输入汽车当前状态对加减速动作进行预测,能够提高Q-learning算法的控制精度,对汽车的运动控制更加稳定。通过仿真实验模拟了汽车在匀速和加减速工况下的运动控制效果,实验结果表明,提出的算法与传统Q-learning和Deep Q-learning算法相比,跟车速度和跟车