一种基于复杂强化学习的机器人路径规划方法

本发明公开了一种用于机器人在栅格地图中自动路径规划方法，涉及基于深度强化学习的路径导航方法。该方法包括创建抽象栅格地图，设计奖励函数以及用于导航的智能体；之后智能体感知栅格地图的状态，作为状态信息输入初始决策网络，得到初始的决策数据，然后经由一个复杂系统计算输出平均磁矩作为补充数据，按照特定方式结合初始决策数据以及补充数据得到最终的决策数据；智能体按照赢者通吃策略利用最终决策数据进行动作选择以及执行；智能体获得奖励以及最新状态信息，利用经验回放池优化决策网络，最终得到当前栅格地图中的最优行动策略。该方法能够提高智能体在栅格地图中探索和利用的平衡，从而提高智能体路径寻优的效率。