• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度強(qiáng)化學(xué)習(xí)的公路初始路徑尋優(yōu)方法

    2020-05-14 07:24:06李懿韓春華錢熙孟靖凱
    交通科學(xué)與工程 2020年1期
    關(guān)鍵詞:選線路線神經(jīng)網(wǎng)絡(luò)

    李懿,韓春華,錢熙,孟靖凱

    (昆明理工大學(xué) 交通工程學(xué)院,云南 昆明 650500)

    選線是新建道路從規(guī)劃設(shè)計(jì)到投入使用過程中的關(guān)鍵環(huán)節(jié)。目前,中國的道路設(shè)計(jì)選線仍然采用人工的方式。通過設(shè)計(jì)者的經(jīng)驗(yàn)對路線進(jìn)行比選。且通過經(jīng)驗(yàn)選取的路線沒有一個(gè)標(biāo)準(zhǔn)對其優(yōu)劣進(jìn)行評價(jià),只存在相對而言較優(yōu)的路線。因環(huán)境復(fù)雜決定了路線設(shè)計(jì)將是一個(gè)漫長且包含著大量重復(fù)工作的過程[1]。因此,采用智能化的方式進(jìn)行選線可以縮短設(shè)計(jì)路線和節(jié)省許多重復(fù)工作。

    具備學(xué)習(xí)能力是人類智能的特點(diǎn),人們在處理問題時(shí)之所以能判斷問題的關(guān)鍵并給出正確的決策,其原因在于人們擅長在處理問題的過程中總結(jié)經(jīng)驗(yàn)教訓(xùn),找到正確處理某項(xiàng)事務(wù)的規(guī)律性。使計(jì)算機(jī)具備學(xué)習(xí)的能力且模擬或?qū)崿F(xiàn)學(xué)習(xí)以專家經(jīng)驗(yàn)為目的的機(jī)器學(xué)習(xí)[2]是人工智能運(yùn)用于智能選線的一個(gè)全新領(lǐng)域,它的研究對于智能選線的進(jìn)一步發(fā)展有著舉足輕重的作用。

    本研究在 Mnih[3]用強(qiáng)化學(xué)習(xí)的方式讓智能體自動學(xué)會玩游戲,探索強(qiáng)化學(xué)習(xí)在選線領(lǐng)域的方法應(yīng)用。Mnih提出了“利用強(qiáng)化學(xué)習(xí)從高維輸入中直接學(xué)習(xí)控制策略”的深度學(xué)習(xí)模型。該模型使用卷積神經(jīng)網(wǎng)絡(luò),經(jīng)過Q-learning算法的訓(xùn)練,輸入圖像像素,輸出預(yù)估的獎勵值(reward)函數(shù),并將此方法應(yīng)用于7款atari游戲,且在3款游戲中超過了人類專家。得益于Mnih的研究,很多基于感知識別并采取決策的問題得以解決。智能選線的條件與Mnih的研究相關(guān)的眾多決策問題擁有共同的理論基礎(chǔ),都遵循于馬爾科夫決策過程:理想的狀態(tài)是可檢測的;可以進(jìn)行多次嘗試;系統(tǒng)的下個(gè)狀態(tài)只與目前的狀態(tài)信息有關(guān),而與較早之前的狀態(tài)無關(guān);決策過程還與當(dāng)前采取的動作有關(guān)。采用強(qiáng)化學(xué)習(xí)來解決路線優(yōu)化問題。因此,作者提出基于深度強(qiáng)化學(xué)習(xí)的公路初始路徑尋優(yōu)方法,擬實(shí)現(xiàn)的過程為:①構(gòu)建基于馬爾科夫決策過程的最優(yōu)路徑問題模型和適用于選線的強(qiáng)化學(xué)習(xí)方法模型。以全局最大價(jià)值獎勵為目標(biāo),建立適合于線路標(biāo)準(zhǔn)的智能體獎勵規(guī)則。②將Q-learning算法思想采用神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。使用“時(shí)間差分”的方法,對神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行更新(神經(jīng)網(wǎng)絡(luò)解決了 Q-learning算法“維度災(zāi)難”的問題,使網(wǎng)絡(luò)能夠快速達(dá)到收斂)。③采用神經(jīng)網(wǎng)絡(luò)接收狀態(tài)和行為信號,并輸出所采取行為的價(jià)值。經(jīng)過多個(gè)回合訓(xùn)練后,神經(jīng)網(wǎng)絡(luò)收斂到一定的水平,生成一條較為合理的最優(yōu)路徑。

    基于深度強(qiáng)化學(xué)習(xí)的公路初始路徑生成的實(shí)現(xiàn)可解決人工選擇路線無法趨近于最優(yōu)的問題,為基于深度強(qiáng)化學(xué)習(xí)的公路路線路徑的生成提供基礎(chǔ)。

    1 模型的建立

    1.1 馬爾科夫決策過程

    馬爾科夫決策過程(Markov Decision Process,簡稱為 MDP)是強(qiáng)化學(xué)習(xí)中最基本的理論模型[4]。通常情況下,MDP可以表示為 < S , A, R, T >四元組的形式:S為狀態(tài)空間(State Space),包含了智能體可能感知到的所有環(huán)境狀態(tài)的集合;A為動作空間(Action Apace),包含了智能體在每個(gè)狀態(tài)上可以選取的所有動作集合;R:S × A × S → R 為獎勵函數(shù)(Reward Function), R ( s , a, s′)表示在狀態(tài)s上選取動作 a,并轉(zhuǎn)移到狀態(tài) s?時(shí),智能體從環(huán)境變換中所反饋的獎勵;T: S ×A×S→[0,1]為環(huán)境的狀態(tài)轉(zhuǎn)移函數(shù)(State Transition Function),T ( s , a, s′)表示在狀態(tài)s上選取動作a,并轉(zhuǎn)移到狀態(tài)s?的概率。

    在MDP中,智能體和環(huán)境之間的交互過程如圖1所示。智能體感知當(dāng)前環(huán)境狀態(tài)st,從動作空間A中選取動作at并執(zhí)行;當(dāng)環(huán)境接收到智能體所選取的動作之后,智能體反饋到相應(yīng)的獎勵信號rt+1,并移動到新的環(huán)境狀態(tài)st+1,等待智能體做出新的決策。因此,可以對基于柵格的最優(yōu)路徑問題建立模型。

    圖1 強(qiáng)化學(xué)習(xí)模型Fig. 1 Reinforcement learning model

    1.2 基于柵格地形的最優(yōu)路徑DMP模型

    設(shè)定一個(gè)智能體在實(shí)際地形中執(zhí)行尋路任務(wù)后,定義柵格地形中包含地理屬性的每個(gè)單元所組成的集合為智能體進(jìn)行交互的環(huán)境,其中:M{m0,m1,m2,…,mt}為每個(gè)柵格單元所包含地理屬性的集合。在與環(huán)境交互的過程中,智能體每移動一個(gè)單元,都會獲得環(huán)境變化所反饋的獎勵,而智能體最終的目標(biāo)是尋求一個(gè)最優(yōu)策略π*,使它在任意狀態(tài)s和任意時(shí)間步驟t下,都能夠獲得最大的長期累積獎勵。即:

    為了最優(yōu)策略π*,在智能選線中尋求的最優(yōu)狀態(tài)值函數(shù)為:

    或最優(yōu)狀態(tài)-動作值函數(shù)為:

    因?yàn)閯幼骺臻gA,狀態(tài)空間S均為有限集合,所以可以采用求和的方式來計(jì)算其對應(yīng)的期望,對于策略π和任何狀態(tài)S,都可以將式(2)表示為:

    式(4)即為著名的貝爾曼(Bellman)方程。由式(4)可知,若狀態(tài)轉(zhuǎn)移概率和獎勵函數(shù)已知,則可求得態(tài)值函數(shù)。由狀態(tài)值函數(shù)與狀態(tài)-行為值函數(shù)的關(guān)系,可以將狀態(tài)-行為值函數(shù)表示為:

    將式(6)代入式(5)中,得:

    由式(8),(9)可知,在某個(gè)狀態(tài)下的最優(yōu)價(jià)值函數(shù)為智能體在當(dāng)前狀態(tài)下所能獲得的累計(jì)期望獎勵的最大值。

    1.3 獎勵函數(shù)的設(shè)定

    獎勵函數(shù)定義了智能體在專家采取策略時(shí)所要選擇的目標(biāo)特征,智能體在所感知的環(huán)境狀態(tài)中反饋一個(gè)強(qiáng)化信號 r,對其動作所產(chǎn)生的影響給出一種評價(jià)。因此,對智能體變換環(huán)境所產(chǎn)生的屬性變化設(shè)定一個(gè)評價(jià)規(guī)則,即:

    式中:Δm為環(huán)境屬性的變化。

    設(shè):當(dāng)環(huán)境變化時(shí),高差的變化或者坡度的變化為屬性的改變。當(dāng)高差的變化大于c時(shí),智能體就會從環(huán)境中反饋到對其不利的信號 r,其他的情況保持獎勵不變,這樣能夠保證智能體在滿足約束條件下有探索最短路徑的能力。

    如圖2所示,以s(2,3)為例,將s(2,3)作為狀態(tài)s,則處于當(dāng)前狀態(tài)可以選取的動作空間有上、下、左、右 4種方式,以高差最小為智能體選擇行為所回饋的最大獎勵,則智能體將有較大概率學(xué)習(xí)上、下、左、右的行為中價(jià)值最大的行為,并在每個(gè)回合中不斷強(qiáng)化,最終使獎勵函數(shù)達(dá)到最大值。

    圖2 獎勵反饋過程Fig. 2 Reward feedback process

    在實(shí)際選線的過程中,由于地形環(huán)境條件的限制,通常專家們會采取一些相對應(yīng)的解決措施。如:自然保護(hù)區(qū)、地質(zhì)災(zāi)害地段,在路線設(shè)計(jì)的過程中會合理地選擇避開;或者有一些站點(diǎn)是路線必須經(jīng)過的地方,在專家的選線經(jīng)驗(yàn)中就得予以考慮。若該情形設(shè)置智能體在途徑禁止通行區(qū)域時(shí),環(huán)境反饋一個(gè)負(fù)向的信號 r;通過必經(jīng)站點(diǎn)時(shí),環(huán)境反饋一個(gè)正向的信號 r。這樣,就能保證智能體在經(jīng)歷學(xué)習(xí)之后,會走符合要求的路線,也會順利避開禁止通過的區(qū)域。設(shè)禁止通行的區(qū)域?yàn)榧蟧={o0,o1,o2,…},必經(jīng)區(qū)域集合為p={p0,p1,p2,…},則環(huán)境反饋的信號為:

    2 深度Q學(xué)習(xí)算法在的應(yīng)用

    基于提出的模型,將Q-learning的思想用神經(jīng)網(wǎng)絡(luò)來進(jìn)行優(yōu)化。把智能體所處的位置S和所要采取的行為A輸入神經(jīng)網(wǎng)絡(luò),再從神經(jīng)網(wǎng)絡(luò)輸出狀態(tài)-行為值,將狀態(tài)-行為值函數(shù)表示為 Q ( s, a;θ) ,其中:θ為神經(jīng)網(wǎng)絡(luò)的參數(shù)。深度Q學(xué)習(xí)模型如圖3所示。

    圖3 深度Q學(xué)習(xí)模型Fig. 3 The deep Q-learning model

    2.1 主體框架

    考慮到有很多離散的方向選擇動作和問題的應(yīng)用情形,本研究采用的深度Q學(xué)習(xí)基于值函數(shù)的強(qiáng)化學(xué)習(xí)方法。先建立2個(gè)結(jié)構(gòu)相同的神經(jīng)網(wǎng)絡(luò):①值函數(shù)網(wǎng)絡(luò)(target網(wǎng)絡(luò));②逼近值函數(shù)所用的網(wǎng)絡(luò)(eval網(wǎng)絡(luò))。得到2個(gè)網(wǎng)絡(luò)之間的偏差。通過時(shí)間差分的方式來更新當(dāng)前的行為值函數(shù)。由此,深度Q學(xué)習(xí)中每一輪迭代的損失函數(shù)為[6]:

    時(shí)間差分采用經(jīng)驗(yàn)回放的方法來提升神經(jīng)網(wǎng)絡(luò)的效果。智能體從很多的回合中獲得經(jīng)驗(yàn)將它存儲到經(jīng)驗(yàn)池D中形成了一個(gè)緩存空間,然后,從這個(gè)空間中隨機(jī)采樣來獲得樣本進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。則其損失函數(shù)可表達(dá)為:

    經(jīng)驗(yàn)回放可以打破數(shù)據(jù)間的關(guān)聯(lián)使神經(jīng)網(wǎng)絡(luò)能夠收斂且穩(wěn)定[7]。

    2.2 ε-greedy 策略

    通過神經(jīng)網(wǎng)絡(luò),獎勵被反饋到?jīng)Q策階段,智能體是要采取當(dāng)前最優(yōu)價(jià)值下的路徑還是選擇探索更優(yōu)的路徑是當(dāng)下需要解決的問題。在模擬環(huán)境開始的階段,對Q-網(wǎng)絡(luò)進(jìn)行隨機(jī)初始化。由于它給出的 Q最高的行為是隨機(jī)的,智能體表現(xiàn)出隨機(jī)的“探索”。當(dāng)網(wǎng)絡(luò)收斂時(shí),隨機(jī)“探索”的情況逐漸減少。但是,這種探索是“貪心的”,智能體只會探索當(dāng)前模型認(rèn)為最好的策略[8]。因此,本研究采用ε-greedy貪心策略來決定動作的選取,ε-greedy策略的最大化平衡了“利用”和“探索”之間的概率關(guān)系,選擇動作空間中價(jià)值最大的動作為利用,其他非最優(yōu)動作仍有概率去進(jìn)行探索。

    2.3 算法流程

    采用強(qiáng)化學(xué)習(xí)的值函數(shù)估計(jì)的方法,并使用深度神經(jīng)網(wǎng)絡(luò)來進(jìn)行擬合。為解決智能體在一個(gè)回合中走相同的位置或者陷入一些無效的區(qū)域,采用禁止智能體回頭和重復(fù)走相同位置的方法,減少了智能體一些無效的學(xué)習(xí)??紤]歷史學(xué)習(xí)經(jīng)驗(yàn)的深度Q學(xué)習(xí)算法步驟為:

    1) 開始。

    2) 初始化經(jīng)驗(yàn)池 D和設(shè)置經(jīng)驗(yàn)池的最大容量N。

    3) 初始化當(dāng)前網(wǎng)絡(luò)參數(shù)θ和目標(biāo)網(wǎng)絡(luò)參數(shù)θ-。

    4) 初始化狀態(tài)空間s0。

    5) 利用概率ε選取隨機(jī)行為at。若隨機(jī)事件沒有發(fā)生,則用貪婪策略選取最大動作值函數(shù)對應(yīng)的動作。

    6) 模擬動作 at并觀察獎勵 rt和執(zhí)行動作下的環(huán)境st+1。

    9) 從經(jīng)驗(yàn)池D中抽取經(jīng)驗(yàn)。

    11) 執(zhí)行一次梯度下降算法。

    12) 更新動作值函數(shù)逼近的網(wǎng)絡(luò)參數(shù)θ =θ+Δθ 。

    13) 每隔 C步更新一次時(shí)間差分目標(biāo)網(wǎng)絡(luò)權(quán)值,即令θ-=θ。

    14) 結(jié)束。

    3 實(shí)驗(yàn)結(jié)果

    依托云南某山地地形進(jìn)行訓(xùn)練,選取地形范圍為2.02×1.16 km2。為避免智能體過早地陷入局部最優(yōu)以及權(quán)衡當(dāng)前和遠(yuǎn)期的利益,需要合理設(shè)置學(xué)習(xí)率和折扣率,本實(shí)驗(yàn)設(shè)置學(xué)習(xí)率為0.01,折扣率為0.9,貪心度為0.1,坡度約束為8%。將實(shí)驗(yàn)的過程以可視化的方式進(jìn)行了展示。訓(xùn)練過程曲線如圖4所示。從圖4中可以看出,在150個(gè)回合前,為智能體對路徑的探索;在150個(gè)回合后,網(wǎng)絡(luò)達(dá)到了收斂,路徑探索終止。

    圖4 訓(xùn)練過程曲線Fig. 4 Training process

    圖5 虛擬環(huán)境下生成最優(yōu)路徑Fig. 5 The generation of the optimal path in the virtual environment

    實(shí)驗(yàn)采用python語言進(jìn)行了編程,以圖形化的方式將智能體與環(huán)境交互的過程展示出來,并在模擬環(huán)境下繪制路徑,如圖5所示。在圖5中區(qū)域?yàn)槁肪€走向,藍(lán)色區(qū)域?yàn)槎x的禁止通行區(qū)域。導(dǎo)出最終路徑數(shù)據(jù),在地形圖中生成路徑,路徑長度為2.21 km,如圖6所示。智能體在山體中探索路徑具有對禁止通行的區(qū)域進(jìn)行繞避的能力,也能成功避開地勢較高的區(qū)域,選擇符合要求的最優(yōu)路徑。

    圖6 地形環(huán)境中生成最優(yōu)路徑Fig. 6 The generation of the optimal path in the terrain environment

    4 結(jié)語

    公路初始路徑的生成以最小坡度為目標(biāo),通過智能體反復(fù)遍歷全圖柵格,不斷強(qiáng)化目標(biāo)信息,生成目標(biāo)條件下的最優(yōu)路徑。該方法可以在指定的起始點(diǎn)和終點(diǎn)之間生成滿足要求的最優(yōu)路徑,解決了選線過程中通過經(jīng)驗(yàn)選擇路線的弊端,也為基于強(qiáng)化學(xué)習(xí)的公路路線路徑生成打下了基礎(chǔ)。

    本研究采用強(qiáng)化學(xué)習(xí)法在智能選線中的應(yīng)用做出了一些嘗試,但還未成熟。如:在復(fù)雜的地形條件下,智能體所學(xué)習(xí)的特征過于單一。在實(shí)際地形情況下,存在著高山變平地,平地變高山,或者需要跨過河流諸如此類的復(fù)雜地形,這就需要智能體有感知能力。監(jiān)督學(xué)習(xí)能通過智能體對地形的識別來決定未來探索的方向。強(qiáng)化學(xué)習(xí)在選線方面的應(yīng)用還存在著較大的潛力,且前景廣闊。

    猜你喜歡
    選線路線神經(jīng)網(wǎng)絡(luò)
    最優(yōu)路線
    『原路返回』找路線
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于壓縮感知的電力系統(tǒng)故障選線研究
    畫路線
    找路線
    小波變換在電力線路故障選線中的應(yīng)用
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于強(qiáng)跟蹤濾波器的小電流接地系統(tǒng)故障選線
    国产黄色免费在线视频| 欧美中文日本在线观看视频| 淫妇啪啪啪对白视频| 免费日韩欧美在线观看| 最好的美女福利视频网| 久久久久久大精品| 国产av又大| 国产高清videossex| 岛国在线观看网站| 波多野结衣高清无吗| 国产精品二区激情视频| 欧美成狂野欧美在线观看| 国产亚洲欧美精品永久| 亚洲色图av天堂| 在线观看一区二区三区激情| 精品免费久久久久久久清纯| 亚洲欧美精品综合久久99| 啦啦啦在线免费观看视频4| 黄网站色视频无遮挡免费观看| 一区福利在线观看| 免费看十八禁软件| 亚洲男人的天堂狠狠| 欧美乱色亚洲激情| 日韩 欧美 亚洲 中文字幕| 精品久久久久久久毛片微露脸| 国产国语露脸激情在线看| 黄色怎么调成土黄色| 亚洲欧美激情在线| 日本精品一区二区三区蜜桃| 波多野结衣一区麻豆| 级片在线观看| 在线观看www视频免费| 国产欧美日韩一区二区三| 久久久久久久精品吃奶| www.熟女人妻精品国产| 变态另类成人亚洲欧美熟女 | 搡老岳熟女国产| 国产精品日韩av在线免费观看 | 黑人猛操日本美女一级片| 欧美国产精品va在线观看不卡| 涩涩av久久男人的天堂| 久久人妻福利社区极品人妻图片| 在线av久久热| 欧美激情久久久久久爽电影 | 俄罗斯特黄特色一大片| 亚洲欧美精品综合久久99| 国产成+人综合+亚洲专区| 日韩欧美国产一区二区入口| 99国产综合亚洲精品| 亚洲人成伊人成综合网2020| 午夜福利影视在线免费观看| 国产亚洲精品第一综合不卡| 一夜夜www| 亚洲成a人片在线一区二区| 免费一级毛片在线播放高清视频 | 国产真人三级小视频在线观看| 精品乱码久久久久久99久播| tocl精华| 可以在线观看毛片的网站| 老司机靠b影院| 18禁国产床啪视频网站| 嫁个100分男人电影在线观看| 久久久久久亚洲精品国产蜜桃av| 欧美日韩瑟瑟在线播放| 两个人免费观看高清视频| 亚洲一码二码三码区别大吗| www.熟女人妻精品国产| 欧美亚洲日本最大视频资源| 在线免费观看的www视频| 亚洲一区二区三区欧美精品| www.熟女人妻精品国产| 久热爱精品视频在线9| 亚洲片人在线观看| 欧美成狂野欧美在线观看| 最近最新中文字幕大全电影3 | 欧美一级毛片孕妇| 欧美日韩av久久| 亚洲美女黄片视频| 欧美在线一区亚洲| 黑人猛操日本美女一级片| 成年版毛片免费区| 国产av一区二区精品久久| 69av精品久久久久久| 婷婷丁香在线五月| 又紧又爽又黄一区二区| 十八禁网站免费在线| tocl精华| 欧美日韩国产mv在线观看视频| 日韩精品青青久久久久久| 欧美日本中文国产一区发布| 日日干狠狠操夜夜爽| 欧美人与性动交α欧美精品济南到| 两个人看的免费小视频| 免费在线观看影片大全网站| 久久精品人人爽人人爽视色| 免费不卡黄色视频| 一边摸一边抽搐一进一出视频| 国产成人系列免费观看| 淫秽高清视频在线观看| 最新在线观看一区二区三区| 老司机亚洲免费影院| 精品一区二区三卡| 国产精品成人在线| 热re99久久国产66热| 老熟妇仑乱视频hdxx| 女生性感内裤真人,穿戴方法视频| 99精品久久久久人妻精品| 亚洲色图综合在线观看| ponron亚洲| 亚洲av日韩精品久久久久久密| 在线观看免费午夜福利视频| 99国产精品99久久久久| 欧美av亚洲av综合av国产av| 1024视频免费在线观看| xxxhd国产人妻xxx| 免费看a级黄色片| 国产精品av久久久久免费| 免费不卡黄色视频| 水蜜桃什么品种好| 国产精品二区激情视频| 精品久久久久久电影网| 精品福利观看| 国产一卡二卡三卡精品| 国产国语露脸激情在线看| 午夜91福利影院| 欧美日本亚洲视频在线播放| 亚洲av熟女| 成人亚洲精品av一区二区 | 大香蕉久久成人网| 一级毛片精品| 悠悠久久av| 久久久水蜜桃国产精品网| 亚洲一卡2卡3卡4卡5卡精品中文| 国产激情欧美一区二区| 久久久国产欧美日韩av| 亚洲av第一区精品v没综合| 婷婷丁香在线五月| 999久久久精品免费观看国产| 中文字幕人妻丝袜一区二区| 久久久精品国产亚洲av高清涩受| 在线十欧美十亚洲十日本专区| 男人舔女人下体高潮全视频| 亚洲五月婷婷丁香| 香蕉久久夜色| 国产91精品成人一区二区三区| 久久久国产成人免费| 可以在线观看毛片的网站| 国产深夜福利视频在线观看| 国产亚洲欧美在线一区二区| 欧美乱妇无乱码| 人人澡人人妻人| 国产高清视频在线播放一区| 成人亚洲精品一区在线观看| av网站在线播放免费| 变态另类成人亚洲欧美熟女 | 国产精品偷伦视频观看了| 免费观看精品视频网站| 午夜福利欧美成人| 99在线视频只有这里精品首页| 黄片播放在线免费| av天堂在线播放| 中文字幕人妻丝袜制服| 国产人伦9x9x在线观看| 人人妻,人人澡人人爽秒播| 久久中文字幕人妻熟女| 成年女人毛片免费观看观看9| 水蜜桃什么品种好| 长腿黑丝高跟| 如日韩欧美国产精品一区二区三区| 精品一区二区三区av网在线观看| 亚洲精品成人av观看孕妇| 18禁国产床啪视频网站| 操出白浆在线播放| 中文字幕精品免费在线观看视频| 日韩精品免费视频一区二区三区| 欧美激情高清一区二区三区| 性欧美人与动物交配| 91在线观看av| 欧美黑人精品巨大| 欧美日韩一级在线毛片| 国产精品久久久久成人av| 国产精品香港三级国产av潘金莲| 日韩高清综合在线| 亚洲av片天天在线观看| 999精品在线视频| 在线永久观看黄色视频| а√天堂www在线а√下载| 久久久久国内视频| 嫩草影视91久久| 亚洲成人国产一区在线观看| 十八禁人妻一区二区| 丰满迷人的少妇在线观看| 老司机亚洲免费影院| 日韩精品免费视频一区二区三区| av国产精品久久久久影院| 天堂俺去俺来也www色官网| 午夜福利欧美成人| 少妇裸体淫交视频免费看高清 | 欧美日韩视频精品一区| 精品第一国产精品| 欧美精品亚洲一区二区| 日本欧美视频一区| 亚洲av熟女| 少妇的丰满在线观看| 香蕉久久夜色| 国产男靠女视频免费网站| 精品久久久久久久毛片微露脸| 午夜老司机福利片| 亚洲欧洲精品一区二区精品久久久| 国产精品1区2区在线观看.| 久久精品aⅴ一区二区三区四区| 久久精品国产亚洲av高清一级| 性少妇av在线| 日日摸夜夜添夜夜添小说| 国产99白浆流出| 99在线人妻在线中文字幕| 色综合站精品国产| 69av精品久久久久久| 色综合欧美亚洲国产小说| 两性午夜刺激爽爽歪歪视频在线观看 | 精品卡一卡二卡四卡免费| 亚洲av成人不卡在线观看播放网| 国产欧美日韩精品亚洲av| 别揉我奶头~嗯~啊~动态视频| 欧美最黄视频在线播放免费 | 成在线人永久免费视频| 亚洲成a人片在线一区二区| 亚洲av片天天在线观看| 国产野战对白在线观看| 久久人妻熟女aⅴ| 久久久久久亚洲精品国产蜜桃av| 超碰成人久久| 亚洲自拍偷在线| 日本a在线网址| 久久久国产一区二区| 免费日韩欧美在线观看| 成人三级黄色视频| 国产成人精品在线电影| av福利片在线| 久久久久久久久免费视频了| 国产精品一区二区精品视频观看| 免费看a级黄色片| 一个人免费在线观看的高清视频| 精品欧美国产一区二区三| 99久久成人亚洲精品观看| 亚洲午夜理论影院| 成人毛片a级毛片在线播放| 久久亚洲精品不卡| 51午夜福利影视在线观看| 好男人在线观看高清免费视频| 精品久久久久久久久久免费视频| 日本成人三级电影网站| 色哟哟哟哟哟哟| 国产高潮美女av| 久久久成人免费电影| 精品久久久久久久末码| 亚洲国产精品久久男人天堂| 三级男女做爰猛烈吃奶摸视频| 十八禁网站免费在线| aaaaa片日本免费| 免费一级毛片在线播放高清视频| 国产免费一级a男人的天堂| 丰满人妻一区二区三区视频av| 啪啪无遮挡十八禁网站| 一级av片app| 好看av亚洲va欧美ⅴa在| 国产爱豆传媒在线观看| 久久久久久久久大av| 丝袜美腿在线中文| 久久草成人影院| 国产精品99久久久久久久久| 久久久久亚洲av毛片大全| 国产精品日韩av在线免费观看| 久久午夜福利片| 精品99又大又爽又粗少妇毛片 | 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲欧美日韩卡通动漫| 99久久99久久久精品蜜桃| 精品一区二区免费观看| 又爽又黄无遮挡网站| 不卡一级毛片| 97热精品久久久久久| 韩国av一区二区三区四区| 99热只有精品国产| 别揉我奶头 嗯啊视频| 神马国产精品三级电影在线观看| 日韩高清综合在线| 亚洲av五月六月丁香网| 亚洲最大成人av| 观看免费一级毛片| 日本 av在线| 热99re8久久精品国产| 变态另类成人亚洲欧美熟女| 国产高清有码在线观看视频| 免费人成在线观看视频色| 久久亚洲精品不卡| 男人狂女人下面高潮的视频| 午夜福利在线在线| 亚洲人成电影免费在线| 日韩中文字幕欧美一区二区| 欧美黑人巨大hd| 在线国产一区二区在线| 国产三级中文精品| 国产高清视频在线观看网站| 午夜福利欧美成人| 久久午夜福利片| 高清在线国产一区| 国产亚洲精品久久久久久毛片| 91麻豆精品激情在线观看国产| 成年人黄色毛片网站| 看免费av毛片| 久久欧美精品欧美久久欧美| 日本a在线网址| 99热这里只有精品一区| .国产精品久久| 欧美黄色片欧美黄色片| 久久久色成人| 天堂av国产一区二区熟女人妻| 人人妻,人人澡人人爽秒播| 一夜夜www| 婷婷色综合大香蕉| 国产黄a三级三级三级人| 99热6这里只有精品| 亚洲无线观看免费| 丁香欧美五月| 一夜夜www| av黄色大香蕉| 国产视频一区二区在线看| 亚洲精品色激情综合| 日韩 亚洲 欧美在线| 搞女人的毛片| 热99在线观看视频| 久久午夜亚洲精品久久| 精品久久久久久久人妻蜜臀av| 国产真实伦视频高清在线观看 | 国产一区二区三区在线臀色熟女| 国产成人欧美在线观看| 黄色日韩在线| 久久久久久大精品| 亚洲欧美精品综合久久99| 午夜两性在线视频| 波多野结衣高清作品| 性欧美人与动物交配| 亚洲成人免费电影在线观看| 精品久久国产蜜桃| 午夜激情福利司机影院| 亚洲无线观看免费| 一区福利在线观看| 亚洲欧美清纯卡通| 看黄色毛片网站| 午夜影院日韩av| 亚洲av第一区精品v没综合| 午夜久久久久精精品| 国产精品综合久久久久久久免费| 欧美性猛交黑人性爽| 欧美3d第一页| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av.av天堂| 日韩有码中文字幕| 国产精品人妻久久久久久| 亚洲国产精品sss在线观看| 亚洲精品久久国产高清桃花| 可以在线观看毛片的网站| 日韩欧美精品v在线| 桃红色精品国产亚洲av| 别揉我奶头 嗯啊视频| 91九色精品人成在线观看| 97碰自拍视频| 我要看日韩黄色一级片| 很黄的视频免费| 中文资源天堂在线| 亚洲成人精品中文字幕电影| 嫩草影院新地址| 99久久精品国产亚洲精品| 亚洲av成人精品一区久久| 国内精品美女久久久久久| 变态另类丝袜制服| 热99re8久久精品国产| 国产伦一二天堂av在线观看| 亚洲乱码一区二区免费版| 搡老妇女老女人老熟妇| 亚洲avbb在线观看| 麻豆成人av在线观看| 亚洲片人在线观看| 欧美xxxx黑人xx丫x性爽| 乱码一卡2卡4卡精品| 亚洲乱码一区二区免费版| 1024手机看黄色片| 日本熟妇午夜| 国产欧美日韩一区二区三| 国产美女午夜福利| 日韩精品中文字幕看吧| 国产高清视频在线观看网站| 美女高潮的动态| av福利片在线观看| 99在线人妻在线中文字幕| 色综合欧美亚洲国产小说| 欧美一区二区精品小视频在线| 狠狠狠狠99中文字幕| 久久久久精品国产欧美久久久| 久久热精品热| 亚洲av一区综合| 亚洲第一电影网av| 日韩欧美国产一区二区入口| 日韩欧美免费精品| 久久人妻av系列| 亚洲欧美日韩无卡精品| 亚洲精品久久国产高清桃花| 午夜免费男女啪啪视频观看 | 国产精品嫩草影院av在线观看 | 99久国产av精品| 动漫黄色视频在线观看| 国产精品女同一区二区软件 | 亚洲人成网站在线播| 久久香蕉精品热| 90打野战视频偷拍视频| 色av中文字幕| 国产午夜福利久久久久久| 在线观看美女被高潮喷水网站 | 少妇高潮的动态图| 五月玫瑰六月丁香| 欧美另类亚洲清纯唯美| 国产免费一级a男人的天堂| 欧美在线一区亚洲| 免费一级毛片在线播放高清视频| 久久国产乱子免费精品| 男插女下体视频免费在线播放| 国产精品亚洲美女久久久| 精品久久久久久久久亚洲 | 久久性视频一级片| 国产伦一二天堂av在线观看| 亚洲欧美日韩无卡精品| 国产亚洲精品久久久com| 亚洲国产日韩欧美精品在线观看| 国产免费av片在线观看野外av| 久久久久性生活片| 亚洲无线观看免费| 美女高潮喷水抽搐中文字幕| 国产精品亚洲av一区麻豆| 三级国产精品欧美在线观看| 欧美zozozo另类| 人人妻人人看人人澡| 亚洲国产精品999在线| 日韩亚洲欧美综合| 在线播放无遮挡| 久久久久久久久久黄片| 美女高潮的动态| 国产精品一区二区性色av| 欧美日韩乱码在线| 国产成人a区在线观看| 亚洲成人中文字幕在线播放| 1024手机看黄色片| 757午夜福利合集在线观看| 哪里可以看免费的av片| 亚洲国产精品999在线| 一进一出抽搐动态| 特级一级黄色大片| 亚洲内射少妇av| 中文在线观看免费www的网站| 少妇被粗大猛烈的视频| 欧美xxxx性猛交bbbb| 日韩中文字幕欧美一区二区| 女人十人毛片免费观看3o分钟| 国产在线男女| 亚洲18禁久久av| 高清在线国产一区| 亚洲精品成人久久久久久| 欧美色视频一区免费| 两性午夜刺激爽爽歪歪视频在线观看| 成年女人永久免费观看视频| 99热这里只有是精品50| 搡女人真爽免费视频火全软件 | 熟女电影av网| 女人十人毛片免费观看3o分钟| 9191精品国产免费久久| 国产欧美日韩精品亚洲av| 国产精品一区二区免费欧美| 久久国产乱子免费精品| 国产成人aa在线观看| 99视频精品全部免费 在线| 免费看美女性在线毛片视频| 脱女人内裤的视频| 我的女老师完整版在线观看| 久久精品国产99精品国产亚洲性色| 三级国产精品欧美在线观看| 久久亚洲真实| 少妇熟女aⅴ在线视频| 久久精品综合一区二区三区| 最近最新中文字幕大全电影3| 欧美在线黄色| 中文字幕精品亚洲无线码一区| 午夜福利在线观看免费完整高清在 | 人妻制服诱惑在线中文字幕| 欧美黑人欧美精品刺激| 老司机福利观看| 欧美+亚洲+日韩+国产| 午夜精品在线福利| 一个人看的www免费观看视频| 91在线精品国自产拍蜜月| 国产亚洲精品综合一区在线观看| 久久久久久久久大av| 国产精品久久久久久久久免 | 变态另类丝袜制服| av黄色大香蕉| 亚洲国产精品999在线| 精品熟女少妇八av免费久了| 国产毛片a区久久久久| 亚洲性夜色夜夜综合| 又黄又爽又刺激的免费视频.| eeuss影院久久| 热99re8久久精品国产| 午夜福利高清视频| 精品久久久久久久末码| 中文字幕高清在线视频| 深夜精品福利| 国产大屁股一区二区在线视频| 久久精品久久久久久噜噜老黄 | 日韩成人在线观看一区二区三区| 简卡轻食公司| 国产一区二区三区视频了| 中国美女看黄片| 成人国产综合亚洲| 琪琪午夜伦伦电影理论片6080| 国产aⅴ精品一区二区三区波| 一区福利在线观看| 国产视频内射| 每晚都被弄得嗷嗷叫到高潮| 一个人观看的视频www高清免费观看| 欧美高清成人免费视频www| 精品久久久久久久久av| 亚洲第一电影网av| av欧美777| 桃色一区二区三区在线观看| 亚洲精品亚洲一区二区| 亚洲最大成人手机在线| 在线观看66精品国产| 欧美zozozo另类| 91九色精品人成在线观看| 亚洲熟妇熟女久久| 国内精品久久久久精免费| 日韩欧美一区二区三区在线观看| 中出人妻视频一区二区| 亚洲精品日韩av片在线观看| 18禁黄网站禁片午夜丰满| 国内少妇人妻偷人精品xxx网站| 禁无遮挡网站| 搞女人的毛片| 国产精品自产拍在线观看55亚洲| 国产探花极品一区二区| av视频在线观看入口| 99视频精品全部免费 在线| 一本久久中文字幕| 每晚都被弄得嗷嗷叫到高潮| aaaaa片日本免费| av国产免费在线观看| 亚洲不卡免费看| 色吧在线观看| 免费观看精品视频网站| 中文字幕熟女人妻在线| 特级一级黄色大片| 日韩欧美精品免费久久 | 国产精品嫩草影院av在线观看 | 亚洲成人免费电影在线观看| 能在线免费观看的黄片| 此物有八面人人有两片| 老司机午夜福利在线观看视频| 国产精品av视频在线免费观看| 日韩欧美在线二视频| 99热只有精品国产| 午夜视频国产福利| 亚洲无线在线观看| 久久久久久久久久成人| 久久久久久国产a免费观看| 国产真实乱freesex| or卡值多少钱| 欧美日韩福利视频一区二区| 亚洲电影在线观看av| 欧美在线一区亚洲| 亚洲一区二区三区不卡视频| 精品一区二区三区人妻视频| 久久久精品欧美日韩精品| 欧美最黄视频在线播放免费| 日韩欧美三级三区| 欧美在线一区亚洲| 国产伦一二天堂av在线观看| av在线天堂中文字幕| 婷婷丁香在线五月| 中文在线观看免费www的网站| 国产在视频线在精品| 人妻制服诱惑在线中文字幕| 九色成人免费人妻av| 欧美乱色亚洲激情| 精品人妻视频免费看| 欧美成人性av电影在线观看| av在线天堂中文字幕| 乱人视频在线观看| 在线看三级毛片| 欧美又色又爽又黄视频| 久久久久久大精品| 日韩欧美在线乱码| a级毛片免费高清观看在线播放| 搞女人的毛片| 成人av一区二区三区在线看| 少妇人妻精品综合一区二区 | 国产精品1区2区在线观看.| 亚洲一区二区三区色噜噜| 搡女人真爽免费视频火全软件 | 无遮挡黄片免费观看| 制服丝袜大香蕉在线| 午夜福利视频1000在线观看| 久久久国产成人免费| 亚洲aⅴ乱码一区二区在线播放| 在线观看舔阴道视频| 亚洲av日韩精品久久久久久密| 窝窝影院91人妻|