一种基于混合探索策略的AGV路径规划方法

本发明公开了一种基于混合探索策略的AGV路径规划方法，其设计混合探索策略，随机选取一个AGV状态作为当前输入，通过深度强化学习算法和A*算法融合输出最优动作；在深度强化学习算法采用深度Q网络DQN算法，并利用SNN作为DQN的策略网络和目标网络，显著降低能耗；结合A*算法的全局路径先验与SNN‑DQN的动态适应能力，提高了算法在动态复杂场景下的适应能力，减少碰撞风险，采用混合探索策略加快了收敛速度，提升了训练效率；采用梯度替代函数反向传播计算误差函数梯度，绕过不可微点，实现端到端梯度反向传播，解决了脉冲神经网络训练的难题。