深度强化学习在无人机编队路径规划中的应用

基于深度强化学习(DRL)对无人机编队路径规划问题进行研究。针对强化学习算法模型在编队控制问题中存在收敛速度慢、奖励稀疏等不足,将人工势场法引入深度强化学习,建立了无人机编队路径规划网络训练框架。同时,根据编队控制目标设计了编队切换奖励函数进行训练。基于AirSim和UE4仿真器,搭建了无人机强化学习编队路径规划仿真训练环境,实现在威胁区域环境中的无人机编队路径规划控制。通过对比实验验证了本文算法在编队稳定性以及碰撞率等方面相较于基线算法具有更优越的性能以及更快的收敛速度。