基于可达集和强化学习的智能汽车决策规划

高洪伟,尚秉旭,张鑫康,王洪峰,何维,裴晓飞

Decision-making and planning of intelligent vehicle based on reachable set and reinforcement learning

Hongwei GAO,Bingxu SHANG,Xinkang ZHANG,Hongfeng WANG,Wei HE,Xiaofei PEI

表 3 强化学习模型的主要超参数

Tab.3 Main hyperparameters of RL models

参数名称 描述 参数值 隐藏层参数 各层神经元数 (256,128) 折扣系数 计算长期折扣奖励 0.99 探索系数 ε-贪心算法 1.0$\geqslant $0.02 学习率衰减率系数 学习率减小比例 0.8 最小学习率 学习率的最小值 0.00001 学习率衰减步 每隔一定训练步长减小学习率 20000 激活函数 增加神经网络的非线性 Relu 损失函数 计算拟合误差传播梯度 Huber-Loss 批量大小 单次训练抽取的样本数 32 软更新速率 目标网络更替系数 0.01 经验池尺寸 存储训练样本 100000 梯度截断 梯度传播最大值 10 网络优化器 梯度下降算法 Adam