一种基于改进DDQN算法的移动机器人动态路径规划方法

本发明公开了一种基于改进DDQN算法的移动机器人动态路径规划方法，包括：搭建动态模拟环境；构建路径规划模型，包括神经网络模块、经验回放模块、智能体控制模块；初始化动态模拟环境以及路径规划模型；基于改进DDQN与BOAE机制的融合策略对路径规划模型进行训练；加载训练好的移动机器人路径规划模型，智能体依据策略网络输出的最优动作决策驱动机器人在动态环境中运行，环境模拟模块实时反馈机器人位置及状态，可视化模块展示机器人最优路径。本发明通过将BOAE与改进DDQN算法相结合的创新方式，移动机器人能够在动态环境下更高效、精准地进行路径规划，显著提高避障能力和到达目标的成功率，具有极为广阔的应用前景和推广价值。