基于深度强化学习的AUV路径规划研究.pdf

基于深度强化学习的AUV路径规划研究.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

2024年5月机床与液压May2024

第52卷第9期MACHINETOOL&HYDRAULICSVol52No9

DOI:10.3969/jissn10013881202409020

文献引用:房鹏程,周焕银,董玫君.基于深度强化学习的AUV路径规划研究[J].机床与液压,2024,52(9):134141.

Citeas:FANGPengcheng,ZHOUHuanyin,DONGMeijun.ResearchonAUVpathplanningbasedondeepreinforcementlearning[J].

MachineTool&Hydraulics,2024,52(9):134141.

基于深度强化学习的AUV路径规划研究

房鹏程,周焕银,董玫君

(东华理工大学机械与电子工程学院,江西南昌330000)

摘要:针对三维海洋环境水下自主航行器(AUV)路径规划问题,传统的路径规划算法在三维空间中有哪些信誉好的足球投注网站时间长,对

环境的依赖性强,且环境发生改变时,需要重新规划路径,不满足实时性要求。为了使AUV能够自主学习场景并做出决

策,提出一种改进的DuelingDQN算法,更改了传统的网络结构以适应AUV路径规划场景。此外,针对路径规划在三维空

间中搜寻目标点困难的问题,在原有的优先经验回放池基础上提出了经验蒸馏回放池,使智能体学习失败经验从而提高模

型前期的收敛速度和稳定性。仿真实验结果表明:所提出的算法比传统路径规划算法具有更高的实时性,规划路径更短,

在收敛速度和稳定性方面都优于标准的DQN算法。

关键词:自主水下航行器(AUV);三维路径规划;深度强化学习;DuelingDQN算法

中图分类号:U67573

ResearchonAUVPathPlanningBasedonDeepReinforcementLearning

FANGPengcheng,ZHOUHuanyin,DONGMeijun

(SchoolofMechanicalandElectronicEngineering,EastChinaUniversityofTechnology,

NanchangJiangxi330000,China)

Abstract:Traditionalpathplanningalgorithmsforautonomousunderwatervehicles(AUV)in3Dmarineenvironmentssufferfrom

longsearchtimes,strongdependenceonenvironment,andtheneedforreplanningwhenenvironmentchanges,whichfailstomeet

--

realtimerequirements.ToenableAUVstoautonomouslylearnscene

文档评论(0)

151****8026 + 关注
实名认证
内容提供者

安全评价师持证人

该用户很懒,什么也没介绍

领域认证该用户于2023年09月13日上传了安全评价师

1亿VIP精品文档

相关文档