论文部分内容阅读
研究两机器人高速搬运系统的作业分配问题．在系统的Markov决策过程（MDP）模型中，状态变量具有连续取值和离散取值的混杂性，状态空间复杂且存在“维数灾”问题，传统的数值优化难以进行．根据小脑模型关节控制器（CMAC）具有收敛速度快和适应性强的特点，运用该结构作为Q值函数的逼近器，并与Q学习和性能势概念相结合，给出了一种适用于平均或折扣性能准则的CMAC—Q学习优化算法．仿真结果说明，这种神经元动态规划方法比常规的Q学习算法具有节省存储空间，优化精度高和优化速度快的优势．