一种基于宽度强化学习的水下机器人实时路径规划方法

一种基于宽度强化学习的水下机器人实时路径规划方法，包括：建立水下机器人仿真环境；将水下机器人实时路径规划问题建模为马尔可夫决策过程；构建宽度评价网络和宽度目标网络，并初始化参数；设计先验策略指导水下机器人进行动作的选择；计算上一时刻环境状态下动作作用后的奖励，得到完整经验并存入经验池；基于经验池中的样本，定义损失函数，以共轭梯度法进行宽度网络参数的更新；每隔预定时间更新宽度目标网络，直至完成训练。本发明基于宽度强化学习方法，降低了计算复杂度，设计先验策略指导机器人进行学习，具有训练速度快、计算量小的特点，适用于水下机器人的实时路径规划任务。