基于回声状态网络的机器人路径规划进化算法

摘要

针对回声状态网络在作为机器人控制器进行路径规划时无法进行监督学习的问题，利用(μ+λ)-ES进化策略对回声状态网络的输出权进行优化设计，提出了一种基于(μ+λ)-ES进化策略的回声状态网络路径规划算法，变异操作采用高斯变异，交叉采用加权平均交叉，选择操作采用(μ+λ)选择方法。仿真结果表明，在动态环境中基于回声状态网络的路径规划方法比前馈神经网络方法具有更好的适应性。