一种基于改进深度Q网络算法的移动机器人路径规划

摘要

本发明公开一种基于改进深度Q网络算法的移动机器人路径规划，针对现有技术中存在的问题，本发明路径规划在深度Q网络算法的动作引导策略中，引入了改进的人工势场引力函数和目标引导动作函数，有效地减少了算法训练过程中的碰撞次数、提高了算法的收敛速度；本发明路径规划设计了一种分段奖励函数，其在当前位置距离目标点最近的邻近点，赋予折扣的奖励值，促使移动机器人朝目标点探索，从而使规划出来的路径更优；本发明路径规划改进采样策略，通过存放在样本经验池中所有样本的优先级，使经验池中样本被采样概率随着采样次数的增加而减小，从而提高了样本利用率，有效地解决了算法训练过程中出现损失值发散、神经网络过拟合的问题。