基于DQN深度强化学习的无人机智能航路规划方法研究

本文首先介绍了DQN深度强化学习在无人机智能航路规划中的应用,接着分析了DQN深度强化学习在无人机飞行路线规划中的应用,并落实了对DQN深度强化学习在无人机轨迹优化中应用的说明,最后阐述了DQN深度强化学习在无人机自主避障系统中的应用。通过理论分析与仿真分析相结合的方式,对DQN深度强化学习无人机智能航路规划方面的具体利用做出了探究,以此为基础说明了基于DQN深度强化学习的无人机智能航路规划方法的主要内容,为相关研究的扩充与丰富,以及无人机智能航路规划的更好实现提供支持。

基于改进人工势场与强化学习融合算法的路径规划研究

首先,针对DQN算法存在迭代次数过多、训练速度过慢以及APF算法具有某些局限性等问题,该文基于人工势场(APF)算法和深度强化学习(DQN)算法对DQN算法进行改进。其次,将改进后的APF算法与DQN算法进行融合,提出了改进人工势场与强化学习融合算法(APF-DQN)。最后,通过大量试验验证了该文提出的APF-DQN算法的有效性。