-
公开(公告)号：CN105740644A
公开(公告)日：2016-07-06
申请号：CN201610171859.8
申请日：2016-03-24
Applicant: 苏州大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于模型学习的清洁机器人最优目标路径规划方法，针对目前市场中清洁机器人效率不高的问题，在Dyna?H算法的基础上，提出一种基于自模拟度量和R?MAX的Dyna算法，该路径规划方法可驱动机器人优先处理垃圾可能最多的地点，以强化学习框架和Dyna?H算法为基础，使用R?MAX算法中的探索机制，在状态间距离的度量方法上，使用自模拟度量改进Dyna?H中的欧式距离度量方法，从而提高模型的学习效率。本发明的优点是模型学习效率较高，适用确定环境和随机环境，在复杂的环境下能够较为高效地使机器人快速得到较为准确的环境模型，以规划出到达垃圾最多地点的最优路径。
-
公开(公告)号：CN105786708B
公开(公告)日：2018-06-01
申请号：CN201610160340.X
申请日：2016-03-21
Applicant: 苏州大学
IPC: G06F11/36
Abstract: 本申请提供一种迭代划分测试方法和系统，通过判断待测试用例集合中的待测试用例是否已全部执行完毕，如果是，依据已执行测试用例，对所述输入域D进行划分，将划分得到的2m*n个子输入域的中心点作为待测试用例导入待测试用例集合；如果否，执行所述待测试用例集合中未执行的待测试用例，判断当前执行的待测试用例是否命中失效区域，如果是，输出已执行的测试用例数量，如果否，判断所述待测试用例集合中的待测试用例是否已全部执行完毕；该方法结合了随机测试和划分测试两种传统技术的优势，解决了两者的局限性问题。
-
公开(公告)号：CN105740644B
公开(公告)日：2018-04-13
申请号：CN201610171859.8
申请日：2016-03-24
Applicant: 苏州大学
IPC: G06F19/00
CPC classification number: G05D1/02
Abstract: 本发明公开了一种基于模型学习的清洁机器人最优目标路径规划方法，针对目前市场中清洁机器人效率不高的问题，在Dyna‑H算法的基础上，提出一种基于自模拟度量和R‑MAX的Dyna算法，该路径规划方法可驱动机器人优先处理垃圾可能最多的地点，以强化学习框架和Dyna‑H算法为基础，使用R‑MAX算法中的探索机制，在状态间距离的度量方法上，使用自模拟度量改进Dyna‑H中的欧式距离度量方法，从而提高模型的学习效率。本发明的优点是模型学习效率较高，适用确定环境和随机环境，在复杂的环境下能够较为高效地使机器人快速得到较为准确的环境模型，以规划出到达垃圾最多地点的最优路径。
-
公开(公告)号：CN105786708A
公开(公告)日：2016-07-20
申请号：CN201610160340.X
申请日：2016-03-21
Applicant: 苏州大学
IPC: G06F11/36
CPC classification number: G06F11/3684
Abstract: 本申请提供一种迭代划分测试方法和系统，通过判断待测试用例集合中的待测试用例是否已全部执行完毕，如果是，依据已执行测试用例，对所述输入域D进行划分，将划分得到的2m*n个子输入域的中心点作为待测试用例导入待测试用例集合；如果否，执行所述待测试用例集合中未执行的待测试用例，判断当前执行的待测试用例是否命中失效区域，如果是，输出已执行的测试用例数量，如果否，判断所述待测试用例集合中的待测试用例是否已全部执行完毕；该方法结合了随机测试和划分测试两种传统技术的优势，解决了两者的局限性问题。
-
-
-
Search Results
4
records
(took 0.011 seconds)
