一种基于深度强化学习的路径规划方法及系统、电子设备

本发明涉及基于深度强化学习的路径规划方案设计技术领域，具体涉及一种基于深度强化学习的路径规划方法及系统、电子设备。该方法通过深度强化学习模型，综合考虑路径长度、平滑性、可行性及多目标优化权重设计奖励函数，利用经验回放和探索利用平衡策略训练模型，生成的路径经平滑和可行性修正后用于实时规划。系统包括环境感知、动作定义、奖励函数设计、模型构建与训练、路径优化及规划更新等模块。电子设备则涵盖处理器、存储器、输入和输出模块以实现实时路径规划。本发明能提升路径规划的质量和效率，适应复杂动态环境，有效避免了因频繁转折或突变导致的潜在风险，提高了路径的实用性和安全性，具有广泛应用前景。