基于深度强化学习的无人船路径规划
许文凯1
隋江华1
杨书魁2
吕涵2
彭云杰1
1.大连海洋大学航海与船舶工程学院 大连 1160232.辽宁渔港监督局 大连 116023
摘要：针对复杂海域环境下的无人船路径规划问题,提出一种基于优先经验回放决斗深度Q网络(PER Dueling DQN)路径规划算法,该算法将传统深度Q网络(DQN)的动作价值函数转化为状态价值函数以及动作优势函数.此外,引入了优先经验回放机制,将TD误差(TD-error)作为经验样本的优先级,以提升关键经验数据的采样率.实验结果表明,PER Dueling DQN相比于传统DQN在随机栅格环境中收敛速度提升50%,路径总长度缩短16.5%;海域环境下收敛速度提升42.85%,路径总长度缩短1.73%;研究表明,PER Dueling DQN有效适用于多种海域环境,为无人船能够在复杂海域中实现自主路径规划任务提供了一定的理论支撑.
关键词：无人船路径规划深度Q网络优先经验回放决斗网络结构
分类号：U692.31(水路运输技术管理)
资助基金：辽宁省教育厅科学研究经费面上项目(LJKZO726)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：6( 49-54 )
英文信息