基于DPES Dueling DQN的路径规划方法研究

摘要

针对传统的路径规划算法难以处理复杂环境等问题,提出分布式优先级经验置换的深度强化学习优化方法,实现复杂环境的路径规划。以样本训练时产生的TD error为节点权重构建小根堆的记忆库,不断地将低优先级的样本替换出记忆库保证样本的训练价值;基于堆层数进行优先级采样,解决训练被某些异常高优先级样本所诱导的问题;采用分布式的方式加速训练过程;通过进行路径规划的仿真实验证明了该方法的有效性和可行性。