一种用于自动驾驶系统的个性化强化学习决策方法

本发明公开了一种用于自动驾驶系统的个性化强化学习决策方法，包括以下步骤：构建侵入性、效率性和安全性奖励函数，建立多维度个性化环境奖励模型；基于驾驶风格特征，选择合适的多步时序差分算法步长；通过优先经验回放机制对训练样本进行加权采样；引入基于风险评估的安全检查机制，动态评估自车与障碍车辆之间的交互风险；对不同驾驶风格分别训练独立的强化学习决策网络；验证不同性格决策框架的性能表现。本发明采用上述一种用于自动驾驶系统的个性化强化学习决策方法，通过结合多步时序差分算法、优先经验回放机制和风险评估机制，显著提升了自动驾驶系统的安全性、效率性和策略鲁棒性，能够更精准地适应复杂交通环境中的个性化驾驶需求。