• <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
    成熟少妇高潮喷水视频| 午夜福利18| 国产精品98久久久久久宅男小说| 亚洲国产日韩欧美精品在线观看 | 成人手机av| 一本久久中文字幕| 别揉我奶头~嗯~啊~动态视频| 欧美日韩一级在线毛片| 久久精品成人免费网站| 国产私拍福利视频在线观看| 色在线成人网| 色老头精品视频在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲,欧美精品.| 男女下面进入的视频免费午夜 | 身体一侧抽搐| 欧美成人午夜精品| 国产亚洲精品久久久久久毛片| 黄色成人免费大全| 女性被躁到高潮视频| 男女之事视频高清在线观看| 亚洲熟妇中文字幕五十中出| 久久香蕉国产精品| 国产精品一区二区三区四区久久 | 午夜福利,免费看| 免费观看人在逋| 真人一进一出gif抽搐免费| 亚洲欧美精品综合久久99| 窝窝影院91人妻| 国产精品1区2区在线观看.| 乱人伦中国视频| 久久天堂一区二区三区四区| 亚洲国产欧美一区二区综合| 欧美成人免费av一区二区三区| 亚洲色图综合在线观看| 国产午夜福利久久久久久| 亚洲片人在线观看| 日韩欧美免费精品| 操美女的视频在线观看| 亚洲av成人一区二区三| 纯流量卡能插随身wifi吗| 少妇被粗大的猛进出69影院| 亚洲一码二码三码区别大吗| 成人国语在线视频| 亚洲va日本ⅴa欧美va伊人久久| 午夜精品国产一区二区电影| 欧美老熟妇乱子伦牲交| www.www免费av| 亚洲一区高清亚洲精品| 91九色精品人成在线观看| 久久国产精品影院| 韩国av一区二区三区四区| 国产一卡二卡三卡精品| 国产视频一区二区在线看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲三区欧美一区| 欧美亚洲日本最大视频资源| 欧美亚洲日本最大视频资源| 大型黄色视频在线免费观看| 久久久久亚洲av毛片大全| 97碰自拍视频| 男女午夜视频在线观看| 一级a爱片免费观看的视频| 久久亚洲精品不卡| 国产成年人精品一区二区| 亚洲精品美女久久av网站| 麻豆av在线久日| 自拍欧美九色日韩亚洲蝌蚪91| 成人精品一区二区免费| 嫩草影视91久久| 日本精品一区二区三区蜜桃| 给我免费播放毛片高清在线观看| 欧美中文综合在线视频| 亚洲国产精品合色在线| av在线播放免费不卡| 午夜亚洲福利在线播放| 久久草成人影院| 搡老熟女国产l中国老女人| 好男人电影高清在线观看| 精品乱码久久久久久99久播| tocl精华| 天堂影院成人在线观看| 日韩中文字幕欧美一区二区| www.999成人在线观看| www.www免费av| 成人18禁在线播放| 麻豆成人av在线观看| 亚洲欧美日韩无卡精品| 亚洲欧美一区二区三区黑人| 成熟少妇高潮喷水视频| 777久久人妻少妇嫩草av网站| 日本欧美视频一区| 一夜夜www| 极品人妻少妇av视频| 午夜免费鲁丝| 亚洲 欧美 日韩 在线 免费| 日本精品一区二区三区蜜桃| 日本一区二区免费在线视频| netflix在线观看网站| 亚洲全国av大片| 日本精品一区二区三区蜜桃| 免费看十八禁软件| 久久人人爽av亚洲精品天堂| 免费在线观看影片大全网站| 美女高潮到喷水免费观看| 久久九九热精品免费| svipshipincom国产片| 激情在线观看视频在线高清| 国产又爽黄色视频| 人人妻人人爽人人添夜夜欢视频| 男女之事视频高清在线观看| 中出人妻视频一区二区| 国产精品亚洲一级av第二区| 亚洲久久久国产精品| 高清毛片免费观看视频网站| 精品国内亚洲2022精品成人| 亚洲精品一区av在线观看| 久久久精品欧美日韩精品| 黄色片一级片一级黄色片| 久久国产亚洲av麻豆专区| 久久婷婷成人综合色麻豆| 国产精品二区激情视频| 非洲黑人性xxxx精品又粗又长| 可以在线观看毛片的网站| 国产高清视频在线播放一区| 99国产综合亚洲精品| 国产精品秋霞免费鲁丝片| 窝窝影院91人妻| 久久久久久人人人人人| 亚洲成人国产一区在线观看| 99精品欧美一区二区三区四区| 欧美不卡视频在线免费观看 | 欧美不卡视频在线免费观看 | 97超级碰碰碰精品色视频在线观看| 人成视频在线观看免费观看| 久久欧美精品欧美久久欧美| 国产熟女xx| 激情视频va一区二区三区| 好男人电影高清在线观看| 国产精品免费一区二区三区在线| 亚洲视频免费观看视频| 十八禁网站免费在线| www.999成人在线观看| 久久人妻熟女aⅴ| a在线观看视频网站| 亚洲欧美激情综合另类| 伦理电影免费视频| 又黄又粗又硬又大视频| 久久精品91蜜桃| 欧美在线黄色| 变态另类丝袜制服| 欧美成人性av电影在线观看| 成人手机av| 首页视频小说图片口味搜索| 国产激情欧美一区二区| 成人永久免费在线观看视频| 久久国产精品影院| 欧美成人午夜精品| www.自偷自拍.com| 男女下面进入的视频免费午夜 | 黑人巨大精品欧美一区二区蜜桃| 免费少妇av软件| 日韩三级视频一区二区三区| 天天添夜夜摸| 欧美色视频一区免费| 亚洲人成电影免费在线| bbb黄色大片| 一边摸一边抽搐一进一出视频| 九色亚洲精品在线播放| 精品一区二区三区视频在线观看免费| 国产成人欧美| 丁香欧美五月| АⅤ资源中文在线天堂| 夜夜爽天天搞| 黄色片一级片一级黄色片| 欧美大码av| 亚洲一区二区三区不卡视频| 动漫黄色视频在线观看| 男女午夜视频在线观看| 十八禁网站免费在线| 日韩av在线大香蕉| 可以在线观看的亚洲视频| 老司机午夜福利在线观看视频| 可以在线观看毛片的网站| 亚洲欧美激情在线| 搡老岳熟女国产| 国产一区二区激情短视频| 一级片免费观看大全| 亚洲男人的天堂狠狠| 色老头精品视频在线观看| 国产精品久久久人人做人人爽| 精品欧美国产一区二区三| 窝窝影院91人妻| 最好的美女福利视频网| a在线观看视频网站| 窝窝影院91人妻| 涩涩av久久男人的天堂| 中亚洲国语对白在线视频| 最新美女视频免费是黄的| 国产欧美日韩一区二区三区在线| 国产精品精品国产色婷婷| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品1区2区在线观看.| 99热只有精品国产| 在线av久久热| 国产精品98久久久久久宅男小说| 亚洲av日韩精品久久久久久密| 国产单亲对白刺激| 激情视频va一区二区三区| 19禁男女啪啪无遮挡网站| 性少妇av在线| 精品国产亚洲在线| 香蕉丝袜av| 免费久久久久久久精品成人欧美视频| 黄色 视频免费看| 淫秽高清视频在线观看| 亚洲男人的天堂狠狠| 亚洲三区欧美一区| 久久中文字幕一级| 国产aⅴ精品一区二区三区波| 亚洲一区二区三区色噜噜| 成在线人永久免费视频| 制服人妻中文乱码| 国产精品综合久久久久久久免费 | 国产精品秋霞免费鲁丝片| 欧美性长视频在线观看| 国产一区二区三区综合在线观看| 亚洲第一欧美日韩一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产精品成人综合色| 亚洲欧美日韩高清在线视频| 午夜影院日韩av| 久久精品91无色码中文字幕| 久久精品国产综合久久久| 亚洲片人在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲欧美精品综合一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | 视频在线观看一区二区三区| 国产1区2区3区精品| 国产在线观看jvid| 久久性视频一级片| 超碰成人久久| 久久久久久国产a免费观看| 午夜福利成人在线免费观看| 天天躁夜夜躁狠狠躁躁| 这个男人来自地球电影免费观看| 国产免费男女视频| 啦啦啦 在线观看视频| 中文字幕色久视频| 天天躁夜夜躁狠狠躁躁| 亚洲精品久久国产高清桃花| 搞女人的毛片| 一二三四社区在线视频社区8| 两人在一起打扑克的视频| 国产精品98久久久久久宅男小说| 丝袜美腿诱惑在线| 精品国产乱子伦一区二区三区| 无遮挡黄片免费观看| 久久久久九九精品影院| 欧美激情久久久久久爽电影 | 国产熟女xx| 91麻豆精品激情在线观看国产| 国产麻豆69| 无遮挡黄片免费观看| 桃红色精品国产亚洲av| 一本综合久久免费| 亚洲精品粉嫩美女一区| 国产人伦9x9x在线观看| 美女免费视频网站| 久久午夜亚洲精品久久| 97人妻天天添夜夜摸| 亚洲中文av在线| 免费久久久久久久精品成人欧美视频| 嫩草影视91久久| av超薄肉色丝袜交足视频| 精品久久久久久久人妻蜜臀av | 女人精品久久久久毛片| 妹子高潮喷水视频| 母亲3免费完整高清在线观看| 一级毛片高清免费大全| 欧美黄色片欧美黄色片| 免费久久久久久久精品成人欧美视频| 涩涩av久久男人的天堂| 免费在线观看黄色视频的| 97人妻天天添夜夜摸| 国产精品爽爽va在线观看网站 | 中文字幕高清在线视频| 在线免费观看的www视频| 亚洲一区高清亚洲精品| 好男人电影高清在线观看| 欧美成人一区二区免费高清观看 | 18美女黄网站色大片免费观看| 在线国产一区二区在线| 久久精品影院6| 免费久久久久久久精品成人欧美视频| 午夜福利18| 波多野结衣一区麻豆| 手机成人av网站| 久久精品人人爽人人爽视色| 亚洲在线自拍视频| 美女午夜性视频免费| 在线观看免费午夜福利视频| 超碰成人久久| 国产又色又爽无遮挡免费看| 制服丝袜大香蕉在线| 久99久视频精品免费| 久久久久精品国产欧美久久久| 亚洲色图av天堂| 国产亚洲精品第一综合不卡| 中文字幕另类日韩欧美亚洲嫩草| 久久久国产成人精品二区| 手机成人av网站| 亚洲激情在线av| 午夜福利视频1000在线观看 | 日韩欧美三级三区| 欧美人与性动交α欧美精品济南到| 一级毛片精品| 久久久久亚洲av毛片大全| 免费观看人在逋| 校园春色视频在线观看| 一级a爱视频在线免费观看| 18禁国产床啪视频网站| 如日韩欧美国产精品一区二区三区| 免费一级毛片在线播放高清视频 | 日韩一卡2卡3卡4卡2021年| 久久精品亚洲熟妇少妇任你| 免费av毛片视频| 好男人在线观看高清免费视频 | 日韩欧美一区二区三区在线观看| 人妻久久中文字幕网| 久久欧美精品欧美久久欧美| 中文字幕人妻熟女乱码| 久久香蕉精品热| av视频在线观看入口| 午夜日韩欧美国产| 天堂√8在线中文| 天堂影院成人在线观看| 两个人免费观看高清视频| 欧美色欧美亚洲另类二区 | 久久久国产成人精品二区| 午夜福利高清视频| 真人一进一出gif抽搐免费| 久热爱精品视频在线9| 精品免费久久久久久久清纯| 欧美乱码精品一区二区三区| 国产精品爽爽va在线观看网站 | 老司机深夜福利视频在线观看| 久久久久久国产a免费观看| 9色porny在线观看| 丰满的人妻完整版| 色av中文字幕| 亚洲第一av免费看| 女人精品久久久久毛片| av天堂在线播放| 中文字幕人妻熟女乱码| 麻豆久久精品国产亚洲av| 中国美女看黄片| 色老头精品视频在线观看| 欧美日韩亚洲综合一区二区三区_| 久久青草综合色| 久久精品国产清高在天天线| 免费久久久久久久精品成人欧美视频| 国产xxxxx性猛交| 性少妇av在线| 精品人妻1区二区| 久久久国产成人免费| 黄网站色视频无遮挡免费观看| 啪啪无遮挡十八禁网站| 色老头精品视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| av电影中文网址| 久久精品人人爽人人爽视色| 99国产精品99久久久久| 国产三级黄色录像| 黄色毛片三级朝国网站| 亚洲精品粉嫩美女一区| 国产激情欧美一区二区| 国产一区二区在线av高清观看| 久久影院123| 日本 av在线| 精品午夜福利视频在线观看一区| 日本欧美视频一区| 欧美成人免费av一区二区三区| 国产野战对白在线观看| e午夜精品久久久久久久| 午夜精品国产一区二区电影| 亚洲人成电影免费在线| 18禁观看日本| 久99久视频精品免费| 麻豆久久精品国产亚洲av| 男人的好看免费观看在线视频 | 岛国在线观看网站| 亚洲av熟女| 两性午夜刺激爽爽歪歪视频在线观看 | 色哟哟哟哟哟哟| 大香蕉久久成人网| 日本黄色视频三级网站网址| 给我免费播放毛片高清在线观看| 久久久久久免费高清国产稀缺| 久久久久九九精品影院| 日本黄色视频三级网站网址| 成年人黄色毛片网站| 黄网站色视频无遮挡免费观看| 久久久久国内视频| 国产亚洲av高清不卡| 午夜福利在线观看吧| 日韩精品中文字幕看吧| 国产精品久久久久久人妻精品电影| 少妇熟女aⅴ在线视频| 香蕉丝袜av| 香蕉久久夜色| 搡老妇女老女人老熟妇| www日本在线高清视频| 精品久久久久久久毛片微露脸| 成人精品一区二区免费| 黑丝袜美女国产一区| 真人做人爱边吃奶动态| or卡值多少钱| 国产亚洲精品一区二区www| 久久久久久久午夜电影| 黄色毛片三级朝国网站| 国产一区二区三区在线臀色熟女| 国产亚洲精品av在线| 国产一区二区三区在线臀色熟女| 老司机在亚洲福利影院| 中国美女看黄片| 亚洲五月色婷婷综合| a级毛片在线看网站| 欧美不卡视频在线免费观看 | 免费看美女性在线毛片视频| 欧美 亚洲 国产 日韩一| 香蕉丝袜av| 欧美 亚洲 国产 日韩一| 18禁美女被吸乳视频| 日韩国内少妇激情av| 久久精品国产亚洲av高清一级| 一本久久中文字幕| 又黄又爽又免费观看的视频| 男女下面插进去视频免费观看| 91在线观看av| 国产伦人伦偷精品视频| 99国产精品一区二区三区| 国产亚洲精品久久久久5区| 又黄又粗又硬又大视频| 亚洲av熟女| 亚洲av五月六月丁香网| 久久精品成人免费网站| 亚洲电影在线观看av| 午夜免费激情av| 亚洲 欧美 日韩 在线 免费| 国产熟女午夜一区二区三区| 成人国产一区最新在线观看| 两人在一起打扑克的视频| 久久久国产欧美日韩av| 午夜福利成人在线免费观看| av视频免费观看在线观看| 久久久久精品国产欧美久久久| 1024香蕉在线观看| 黑人欧美特级aaaaaa片| 老汉色av国产亚洲站长工具| 成人精品一区二区免费| 黄色视频,在线免费观看| 久久精品亚洲精品国产色婷小说| 亚洲一码二码三码区别大吗| 久热爱精品视频在线9| 久久久久九九精品影院| 99久久久亚洲精品蜜臀av| 一进一出抽搐动态| 此物有八面人人有两片| 国产单亲对白刺激| 亚洲精品久久成人aⅴ小说| 欧美国产日韩亚洲一区| 欧美老熟妇乱子伦牲交| 久久青草综合色| videosex国产| 一本大道久久a久久精品| а√天堂www在线а√下载| 色老头精品视频在线观看| 亚洲国产欧美一区二区综合| 精品国产亚洲在线| 一进一出抽搐动态| 亚洲成人精品中文字幕电影| 国产亚洲欧美精品永久| 欧美老熟妇乱子伦牲交| 国产精品电影一区二区三区| 国产精品精品国产色婷婷| 99国产精品一区二区三区| 免费搜索国产男女视频| 一区二区三区激情视频| 国产精品美女特级片免费视频播放器 | 18美女黄网站色大片免费观看| 一区二区三区激情视频| 操出白浆在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 免费久久久久久久精品成人欧美视频| 亚洲,欧美精品.| 日日爽夜夜爽网站| 香蕉丝袜av| 亚洲av五月六月丁香网| 给我免费播放毛片高清在线观看| 亚洲 国产 在线| 女人被狂操c到高潮| 久久亚洲精品不卡| 欧美一级a爱片免费观看看 | 国产欧美日韩精品亚洲av| 精品久久久久久久人妻蜜臀av | 91精品国产国语对白视频| 亚洲人成77777在线视频| 欧美性长视频在线观看| 99riav亚洲国产免费| 老司机靠b影院| 国内精品久久久久久久电影| 巨乳人妻的诱惑在线观看| 级片在线观看| 亚洲精品国产精品久久久不卡| 亚洲一区二区三区不卡视频| 日本 欧美在线| 亚洲精品在线美女| 精品无人区乱码1区二区| 免费少妇av软件| 亚洲欧洲精品一区二区精品久久久| 久久精品影院6| 欧美乱码精品一区二区三区| 电影成人av| 亚洲精品在线美女| 性少妇av在线| 婷婷六月久久综合丁香| 脱女人内裤的视频| 精品国产乱码久久久久久男人| 97人妻天天添夜夜摸| 如日韩欧美国产精品一区二区三区| 波多野结衣高清无吗| 婷婷丁香在线五月| 久久中文看片网| 波多野结衣巨乳人妻| 亚洲九九香蕉| 九色亚洲精品在线播放| 99精品久久久久人妻精品| 亚洲成人精品中文字幕电影| 国产人伦9x9x在线观看| 色综合站精品国产| 亚洲国产精品合色在线| 欧美乱妇无乱码| 亚洲伊人色综图| 熟女少妇亚洲综合色aaa.| 日韩欧美三级三区| 黑人操中国人逼视频| 亚洲国产欧美一区二区综合| 一进一出抽搐gif免费好疼| 亚洲成国产人片在线观看| 色综合亚洲欧美另类图片| 欧美最黄视频在线播放免费| 久久人妻熟女aⅴ| 黄网站色视频无遮挡免费观看| 国产成人一区二区三区免费视频网站| av在线播放免费不卡| 人人澡人人妻人| 叶爱在线成人免费视频播放| 精品不卡国产一区二区三区| 美女 人体艺术 gogo| 巨乳人妻的诱惑在线观看| 黄片播放在线免费| 亚洲性夜色夜夜综合| 亚洲色图av天堂| 久9热在线精品视频| 在线视频色国产色| 两个人看的免费小视频| 国产精品av久久久久免费| 麻豆成人av在线观看| 三级毛片av免费| 日韩精品免费视频一区二区三区| 脱女人内裤的视频| 狠狠狠狠99中文字幕| 欧美日韩黄片免| 亚洲成国产人片在线观看| 免费在线观看完整版高清| 久久精品国产综合久久久| 免费看十八禁软件| 神马国产精品三级电影在线观看 | 久久草成人影院| 岛国视频午夜一区免费看| 香蕉久久夜色| 桃红色精品国产亚洲av| 男女午夜视频在线观看| 制服人妻中文乱码| 99国产综合亚洲精品| 亚洲欧美激情在线| 桃色一区二区三区在线观看| 亚洲成人国产一区在线观看| 欧美乱码精品一区二区三区| 嫁个100分男人电影在线观看| 人人妻,人人澡人人爽秒播| 日本在线视频免费播放| 久久精品人人爽人人爽视色| 黄色成人免费大全| 国产成人一区二区三区免费视频网站| 久热这里只有精品99| 窝窝影院91人妻| 啪啪无遮挡十八禁网站| 大型黄色视频在线免费观看| 亚洲国产精品久久男人天堂| 亚洲无线在线观看| 亚洲欧美精品综合一区二区三区| 非洲黑人性xxxx精品又粗又长| 在线永久观看黄色视频| 男男h啪啪无遮挡| 视频在线观看一区二区三区| 亚洲少妇的诱惑av| 午夜久久久久精精品| 俄罗斯特黄特色一大片| 日韩中文字幕欧美一区二区| 首页视频小说图片口味搜索| 中文字幕人妻丝袜一区二区| 亚洲国产精品合色在线|