| 基于强化学习的航空器机场智能静态路径规划 |
| |
| 引用本文： | 疏利生,李桂芳,嵇胜.基于强化学习的航空器机场智能静态路径规划[J].航空工程进展,2021,12(3):65-70. |
| |
| 作者姓名： | 疏利生 李桂芳 嵇胜 |
| |
| 作者单位： | 南京航空航天大学 民航学院,南京 210016 |
| |
| 摘 要： | 随着人工智能迅速发展以及“智慧机场”的提出，研究人工智能在机场如何有效地辅助机场管制人员，驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法，构建航空器机场地面强化学习移动模型，并以海口美兰机场为案例采用 Python 内置工具包 Tkinter 进行场面仿真；在此基础上，考虑机场航空器滑行规则，采用 Off-Policy 中 Q-Learning 算法求解贝尔曼方程，实现航空器在 Model-based 环境中进行静态路径规划。结果表明：本文所提方法能够实现停机位到跑道出口智能静态路径规划
|
| 关 键 词： | 强化学习 Q-Learning算法 航空器滑行规则 智能静态路径规划 |
| 收稿时间： | 2020/11/13 0:00:00 |
| 修稿时间： | 2021/1/25 0:00:00 |
Aircrafts AI Static Path Planning On Airport Ground Based on Reinforcement Learning |
| |
| Shu Lisheng,Li Guifang and Ji Sheng.Aircrafts AI Static Path Planning On Airport Ground Based on Reinforcement Learning[J].Advances in Aeronautical Science and Engineering,2021,12(3):65-70. |
| |
| Authors: | Shu Lisheng Li Guifang and Ji Sheng |
| |
| Institution: | Nanjing University of Aeronautics and Astronautics,Nanjing University of Aeronautics and Astronautics,Nanjing University of Aeronautics and Astronautics |
| |
| Abstract: | |
| |
| Keywords: | Reinforcement learning Q-Learning algorithm Aircraft taxiing rules AI static path planning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《航空工程进展》浏览原始摘要信息 |
| 点击此处可从《航空工程进展》下载免费的PDF全文 |
