基于深度强化学习的水体清洁设备路径优化方法

本发明公开了一种基于深度强化学习的水体清洁设备路径优化方法，包括如下步骤：S1、利用传感器采集水体环境数据，并进行预处理；S2、建立路径优化的状态空间和动作空间，并构建奖励机制；S3、采用Transformer网络对预处理数据进行特征提取；S4、利用改进的信赖域策略优化算法对策略网络和价值网络进行训练，基于KL散度约束优化策略网络的更新步长，并基于策略梯度方法优化路径规划策略；S5、利用训练后的策略网络和价值网络进行路径规划；S6、计算水体清洁设备的能耗消耗，并调整水体清洁设备的运行模式或作业路径。本发明结合Transformer和改进的信赖域策略优化算法优化水体清洁设备路径规划，具备环境适应性强、能耗低、清洁效率高和作业稳定性强的优点。