多障碍环境中基于增强式学习的势场优化和机器人路径规划   总被引：3，自引：0，他引：3  

庄晓东  孟庆春  王汉萍  殷波 《中国海洋大学学报(自然科学版)》2001,31(6):937-942

该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题  相似文献   

一种基于粗糙集的文本分类规则抽取方法   总被引：2，自引：0，他引：2  

孟庆春  王汉萍  魏天滨  葛艳  高云 《中国海洋大学学报(自然科学版)》2003,33(6):943-949

随着文本数据库的日益增大 ,寻找新的文本数据处理方法变得十分紧迫。本文将粗糙集理论应用于文本自动分类的规则提取 ,提出了基于粗糙集理论的文本分类方法。把文本特征项的权值进行离散化处理后 ,作为规则的条件属性 ,文本所属的类别用作决策属性 ,构造决策表 ,然后通过决策表的知识约简算法提取出文本的分类规则。实验结果表明 ,该方法提取规则的分类正确率较高 ,分类速度较快  相似文献