基于改进A*启发式的多智能体深度强化学习路径规划方法

本发明公开了基于改进A*启发式的多智能体深度强化学习路径规划方法，属于通信技术领域，该方法首先利用Q‑Learning算法的启发式搜索能力生成先验知识，以加速MADQN算法的训练过程；并结合先验Q值和估计Q值，优化系统整体的Q值函数、设计新的动作选择策略和多目标奖励函数，改进了无人机的动态决策过程，通过综合考虑探索奖励、障碍物规避奖励和多智能体协作奖励，显著提升了智能体在复杂环境中的学习效率和任务执行效果。本发明算法在多智能体路径规划任务中，与传统算法相比，在收敛速度、任务成功率和路径规划效率方面表现出色，进一步证明了其在复杂环境中的高效性和鲁棒性。