基于多智能体深度强化学习的城市街角公园路径规划方法

本发明适用于城市街角公园路径规划技术领域，尤其涉及基于多智能体深度强化学习的城市街角公园路径规划方法，所述方法包括：获取城市街角公园参数，确定路径规划任务；基于城市街角公园参数构建智能体，基于马尔科夫决策过程对路径规划任务进行求解；进行求解的过程包括：构建奖励系统；搭建强化学习环境，并对环境进行初始化；对多智能体进行强化学习训练；基于训练后的多智能体输出路径规划任务的规划结果，并对其进行可视化处理。本发明相比于传统路径规划算法具有更强的任务适应能力与结果多样性，通过策略网络与奖励机制的动态调整，使模型能够适配不规则地形、非均质目标分布和多重路径约束等真实场景中普遍存在的复杂任务形态。