基于深度强化学习的双基地声呐水下目标跟踪AUV决策方法

本发明涉及自主水下机器人(AUV)决策、深度强化学习和水下目标跟踪领域，具体说是基于深度强化学习的双基地声呐水下目标跟踪AUV决策方法。本发明采用端到端的深度强化学习方法学习搭载接收器的AUV面向最优目标跟踪的动作决策，使得AUV能够根据态势的变化调整自己的运动以提高对目标的跟踪精度和跟踪保持时间，且该方案求解时间短，满足目标跟踪的实时性要求。在训练网络时，将滚动时域优化与深度强化学习相结合，利用已有的先验模型引导策略学习，能够保障AUV的安全，提高策略的稳定性。