改进型深度确定性策略梯度的无人机路径规划

主要观点总结

文章介绍了一种改进型深度确定性策略梯度（DDPG）算法，用于解决无人机在复杂环境下进行路径规划时存在的收敛性差和无效探索等问题。该算法通过采用双经验池机制来分别存储成功经验和失败经验，并利用人工势场法和组合奖励函数来实现路径规划的多目标优化。

关键观点总结

关键观点1: 采用双经验池机制

该算法通过双经验池机制来存储成功和失败的经验，从而利用成功经验强化策略优化，并从失败经验中学习避免错误路径。

关键观点2: 引入人工势场法

通过引入人工势场法为规划增加引导项，与随机采样过程中的探索噪声动作相结合，动态整合所选动作。

关键观点3: 设计组合奖励函数

该算法采用组合奖励函数，通过方向、距离、障碍躲避及时间奖励函数实现路径规划的多目标优化，解决奖励稀疏问题。

关键观点4: 实验结果表明

该算法的奖励和成功率能够得到显著提高，且能够在更短的时间内达到收敛。