基于深度强化学习的AUV船体归坞方法

本发明公开了一种基于深度强化学习的AUV船体归坞方法，包括：s1：实时采集当前状态st，利用当前的参数化策略网络采样动作at，将at的概率密度值记为p(at)；s2：将at代入动力学方程，计算出下一时刻状态st+1和奖励函数rt，组成元组存入经验池；s3：当经验池中元组数量满足条件转s4，否则转s1；s4：将经验池中的st，st+1输入到状态价值网络得到函数值，并计算优势函数，从经验池中采样bs个元组，利用时序差分误差对状态价值网络的参数进行梯度下降，实现策略评估；s5：从经验池中采样bs个元组，引入回滚机制对策略网络的参数进行梯度下降，实现策略改进；s6：AUV满足终止条件结束，否则转s1。