基于深度强化学习的无人数据收集车多目标路径规划方法

本发明属于多目标路径规划技术领域，尤其涉及一种基于深度强化学习的无人数据收集车多目标路径规划方法，包括以下步骤：S1、将路径规划问题描述为马尔可夫决策过程；构建神经网络模型，用于生成无人数据收集车在环境中的Q值及对应的可执行动作；S2、使用改进后的DDQN算法，对神经网络模型进行参数优化训练；S3、使用参数优化后神经网络模型进行路径规划；S4、使用S3得到的规划路径，控制无人数据收集车按照指定顺序依次访问各个传感器节点进行数据采集。本方法可以为无人数据收集车在复杂多变的环境中为多目标任务实现高效、准确且实时的路径规划。