论文部分内容阅读
针对人工选线存在着工作量大、周期长,且人工估算路线平、纵、横的方式与实际最优路径存在着偏差的缺陷,提出了一种智能的、通过不断试错学习人工选择线路经验完成任务的方法。该方法将Q-learning算法运用于神经网络中,采用深度Q学习路线经验,使神经网络能够快速地达到收敛,最终生成一条具有环境适应能力的最优路径。通过实例证明,该路线具有实用性和有效性。