Logic_9527的博客

检查当前节点是否为目标节点，如果是，则算法结束并通过逆向追踪重建路径。如果不是，将当前节点移至封闭列表，并检查其所有邻居，对每个邻居更新或计算其代价，将未在开放或封闭列表中的邻居添加到开放列表。多机器人全覆盖路径规划问题涉及一组机器人系统，这些机器人需要协同工作以覆盖一个给定区域的所有可访问点，每个点至少被访问一次。首先需要将机器人的操作环境进行网格化处理，这里采用栅格地图。A*算法是一种基于图搜索的智能启发式算法，它具有高稳定性和高节点搜索效率。主要原理为：以起点作为初始节点，将其加入开放列表。

Q-learning 算法使用 Q 值来表示在某个状态下采取某个动作所能获得的长期回报，通过不断地更新 Q 值，找到最优的Q 值和策略。巡检机器人需要对未知区域进行探索，这里采用A*进行全覆盖搜索，巡检机器人会标记待处理任务点区域，随后通过融合Q-learning-鲸鱼优化算法进行规划，从而对任务点进行故障维修处理。2.将已知状态下的 Q 值记录在 Q-table 中，Q-table 中查询当前状态 s 对应。其中，Q(s,a)是在状态 s 下采取动作 a 的 Q 值；为学习率，控制新旧经验之间的权重。