【摘 要】
：
Q-Learning算法是一种基于价值函数的强化学习方法.传统的Q-Learning算法迭代效率低且容易陷入局部收敛,针对该劣势改进了算法,引入A*算法和动态搜索因子ε.将改进后的动态A*
【机 构】
：
武汉理工大学理学院,湖北武汉 430070;武汉理工大学经济学院,湖北武汉 430070
论文部分内容阅读
Q-Learning算法是一种基于价值函数的强化学习方法.传统的Q-Learning算法迭代效率低且容易陷入局部收敛,针对该劣势改进了算法,引入A*算法和动态搜索因子ε.将改进后的动态A*-Q-Learning算法应用于三维复杂环境下无人机的航迹规划,分析无人机航迹规划结果的回报函数、探索步数和运行效率.结果表明,改进后的算法可使无人机在复杂环境下具有很强的自适应性;同时,动态搜索因子ε能有效地避免智能体在搜寻过程中陷入局部最优的状况,在复杂地形中能寻找到更优的路径.
其他文献
分析了兰州石化公司DMDA6200产品熔体强度影响因素,制定了改进措施。结果表明:通过优化反应工艺参数和改进催化剂下料系统,降低了产品熔体流动速率,提高了产品中大分子含量和支化度,提升了产品熔体强度,产品熔体强度偏低的问题得到了解决。
通过单因素试验、正交试验和方差分析研究了选择性激光烧结(SLS)尼龙6(PA6)的成型工艺参数对其成型件拉伸性能的影响及规律。结果表明:对于SLS成型PA6的拉伸力学性能而言,在体堆积方向(Z向)上激光功率对其影响程度最大,扫描速度和分层厚度次之,预热温度最小;而在面堆积方向(XY向)上激光功率对其影响程度最大,分层厚度和预热温度次之,扫描速度最小。根据综合平衡原则得到PA6的最优成型工艺参数组合为:激光功率40 W,扫描速度2000 mm/s,分层厚度0.20 mm和预热温度150℃,此时,Z和XY方向
借鉴陶瓷坯体挤出成型工艺,提出了固体浮力材料挤出成型方法,优化了固体浮力材料挤出成型工艺参数。以环氧树脂为基体,空心玻璃微珠(HGMS)为填充材料,采用挤出成型自由固化方法制备高HGMS含量的固体浮力材料,并对其性能进行了研究。结果表明:挤出成型自由固化方法适用于HGMS体积分数为66%~68%固体浮力材料的制备。工艺参数优化后,制得HGMS体积分数为67%和68%的固体浮力材料,密度分别为0.648 g/cm3和0.635 g/cm3,抗压强度为80.0 MP
针对目前国内保险杠外分型结构出现的质量缺陷,设计了内分型结构的保险杠注塑模具,将分型线置于产品不可视面,极大地改善了保险杠产品的外观质量.采用了多点顺序阀浇注方案,
采用干法制备硬脂酸钙改性的蒙脱土(MMT),将改性MMT与聚丙烯(PP)、聚碳酸酯/丙烯腈-丁二烯-苯乙烯(PC/ABS)、尼龙6(PA6)3种不同基体通过熔融共混制备了改性MMT/聚合物复合材料,考察了改性剂对MMT表面的作用以及制得复合材料的力学性能。结果表明:改性后的MMT吸油值降低,接触角增高,说明改性剂降低了MMT表面亲水性,硬酯酸钙与MMT有相互作用。与3种基体相比,改性MMT复合材料的拉伸强度都有所提高,其中改性MMT/PC/ABS复合材料拉伸强度为45.3 MPa,较PC/ABS提高了9.
采用熔融浸渍工艺制备了连续玻璃纤维增强PP预浸片材。研究了阻燃剂用量和纤维方向对预浸片材性能的影响。结果表明:该预浸片材孔隙率低,厚度均匀性较好,拉伸强度高,氧指数随着阻燃剂含量的增加而逐渐增加,其中,0°方向的预浸片材的氧指数和阻燃等级均大于90°方向的。
在玉米生长初期,不能及时知道玉米所患病害从而无法及时医治,将导致玉米产量和质量下降。而人工分辨玉米病害耗费大量人力和时间,判断准确率也不高。因此文章提出了基于卷积神经网络的玉米病害识别模型,模型主要有12个网络层,其中包含输入层、4个卷积层、4个池化层、2个全连接层和输出层。通过调整参数和模型优化等操作,最终分类准确率在95%左右。模型具有一定的实际意义,可为玉米病害防治提供理论依据。
采用差示扫描量热仪(DSC)研究调制DSC(MDSC)技术在聚烯烃初始结晶度测试中的应用,对聚烯烃产品进行常规的DSC测试,聚乙烯样品(PE-1)的积分限难以选定,通过MDSC测试,准确测量了聚烯烃产品的初始结晶度,分析了聚丙烯样品(PP-1)的冷结晶现象,展现了MDSC测试分析的优越性。
3D打印(增材制造)技术以其能够快速成型,对于结构复杂零部件的制造更有优势而受到航空企业重视。3D打印工艺逐层生长的特点,造成了打印出来的零部件表面粗糙度较差,很多部件必须经过后续表面加工才能达到应用要求。概述了3D打印技术在航空制造业中的应用,3D打印零部件应用面临的难题以及目前常用的表面加工工艺,重点论述了机械抛光、化学抛光、磨粒流抛光、激光抛光和电化学抛光工艺,对目前3D打印零部件常用的表面加工工艺做了比较和归纳。
随着新能源技术以及智能电网的发展,电采暖技术也得到了广泛的应用.若要促进该技术快速健康发展,电采暖负荷类型的有效识别尤为关键.因此,文章提出了基于强化学习的电采暖识