基于耦合数值模拟与分层强化学习的疏散路径优化方法

本申请提供了一种基于耦合数值模拟与分层强化学习的疏散路径优化方法，涉及风暴潮领域，方法包括：构建高精度风暴潮的耦合数值模拟框架；通过耦合数值模拟框架，进行风暴潮数值模拟，生成淹没深度数据集；通过淹没深度数据集，结合反距离加权插值算法，进行高分辨率淹没深度插值，生成高分辨率淹没深度插值数据集；对高分辨率淹没深度插值数据集进行风险分级，生成风险区划图；通过基于图神经网络的路径规划神经网络模型以及风险区划图，生成疏散路网；采用基于分层深度强化学习框架，优化疏散路网的疏散策略，生成联合最优动态疏散策略，显著提升疏散路径规划的泛化性能和计算效率。