一种改进的智能车路径规划方法

本发明公开了一种改进的智能车路径规划方法，算法首先采集数据训练策略网络模型参数，完成训练过程后，输入激光雷达数据、智能车位置和目标位置等状态信息到网络模型推理，输出智能车动作，重复该过程直到到达目标点；本发明针对强化学习算法训练时间长、训练速度慢以及样本使用效率低的问题，设计了一种针对路径规划任务的混合奖励函数，提供了更好的环境反馈。同时，加入改进的优先经验回放技术，赋予数据不同的权重，从经验池中选择高质量样本，并用概率分布采样的方法替代传统Sum‑Tree结构的采样过程，实现更高效的采样速度，能够有效加快强化学习算法训练过程，缩短训练时间，提高样本利用效率。