维普
万方数据
基于强化学习思想的地下车库车位排布研究
Research on parking arrangement algorithm for underground garage based on reinforcement learning
王潇霆 1张易诚 1沈炜1
作者信息
- 1. 浙江理工大学计算机科学与技术学院(人工智能学院),浙江 杭州 310018
- 折叠
摘要
在地下车库排布车位,往往受到车库轮廓、障碍物和连通性等条件约束,本文设计并实现了一种基于探索策略和区域划分的车位排布方案.探索策略借鉴了强化学习的思想,通过设置奖励机制使智能体在地下车库环境中进行主路的铺设;区域划分算法可以在保证不堵塞车道情况下得到尽可能多的车位数量.本文算法能够在短时间内获得车位排布结果,帮助设计师减轻工作量,提高项目收益.
关键词
地下车库/车位排布/奖励机制/探索策略/区域划分Key words
underground garage/parking space arrangement/reward mechanism/exploration strategy/regional division引用本文复制引用
出版年
2023