基于强化学习的多约束飞行器航迹快速规划方法

本发明公开了一种基于强化学习的多约束飞行器航迹快速规划方法，通过建立飞行器航迹模型、状态空间和动作空间；设计飞行器航迹规划问题强化学习方法的奖励函数，将飞行器每次选择的动作后所带来的状态、动作、奖励作为经验保存在Q表中，用Q表记录状态‑动作对的选择概率；强化学习通过迭代训练来学习Q表，在每一个迭代过程中会探索不同的动作，并更新Q表并利用Q表中存储的经验来指导动作选择；飞行器在当前状态选择动作时是按照概率选择，根据ε‑贪婪算法以ε概率随机选择一个动作，以1‑ε的概率选择Q表中此状态最大值对应的动作；当飞行器选择动作后，根据结果来进行奖励或惩罚。