基于简化环境与动力学的无人艇路径规划强化学习方法

本发明提出基于简化环境与动力学的无人艇路径规划强化学习方法，步骤如下：搭建真实环境，设定无人艇状态s为无人艇位置，奖励函数r为无人艇规划路径的长度的负值，无人艇具有高阶带不确定参数的动力学模型，控制信号为u；搭建简易环境，无人艇状态ss、奖励函数rs、环境障碍物的设定与真实环境相同，无人艇具有二阶积分串型动力学模型，控制信号为us；设计第一策略网络与简易环境交互，输入和输出分别为简易环境无人艇状态ss和控制信号us；设计第二策略网络与第一策略网络和真实环境交互，输入和输出分别为简易环境的控制信号us和真实环境的控制信号u；并完成两个策略网络的训练。本发明简化了无人艇系统在复杂环境中的路径规划。