未知环境下基于突变定位SAC算法的移动机器人路径规划.pdfVIP

第４２卷第２期计算机应用研究Ｖｏｌ４２Ｎｏ２

２０２５年２月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＦｅｂ．２０２５

未知环境下基于突变定位ＳＡＣ算法的

移动机器人路径规划

胡立坤，韦春有

（广西大学电气工程学院，南宁５３００００）

摘要：针对缺乏完整环境信息的条件下移动机器人局部路径规划算法性能提升及深度强化学习智能体训练

速度慢的问题，提出了突变定位算法和改进的ｓｏｆｔａｃｔｏｒｃｒｉｔｉｃ（ＳＡＣ）算法，并将两者结合为突变定位ＳＡＣ算法。

突变定位算法能够在缺乏完备环境信息的情况下计算子目标点位置，减少移动机器人规划路径的长度。同时，

通过引入基于虚拟势场的ｃｒｉｔｉｃ网络改进损失函数和多阶段训练方法，提高ＳＡＣ智能体的训练速度。实验结果

表明，与ＤＤＰＧ、ＳＡＣ、ＰＥＲＳＡＣ和ＨＥＲＴＤ３相比，突变定位ＳＡＣ算法在训练时间上分别减少了４６．６８％、

３９５０％、２０．１８％和２７．７９％。此外，突变定位ＳＡＣ算法在不同环境下规划路径的长度平均减少了１３７１％、

１０２６％、１０９０％和１５．８９％。

关键词：移动机器人；路径规划；深度强化学习算法；ＳＡＣ算法；激光雷达；未知环境

中图分类号：ＴＰ２４２文献标志码：Ａ文章编号：１００１３６９５（２０２５）０２０１８０４５５０７

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０６．０２３３

ＭｕｔａｔｉｏｎｌｏｃａｌｉｚａｔｉｏｎＳＡＣｂａｓｅｄｐａｔｈｐｌａｎｎｉｎｇａｌｇｏｒｉｔｈｍｆｏｒ

ｍｏｂｉｌｅｒｏｂｏｔｓｕｎｄｅｒｕｎｋｎｏｗｎｅｎｖｉｒｏｎｍｅｎｔｓ



ＨｕＬｉｋｕｎ，ＷｅｉＣｈｕｎｙｏｕ

（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３００００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＴｈｉｓｓｔｕｄｙｐｒｏｐｏｓｅｄａｍｕｔａｔｉｏｎｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄａｎｉｍｐｒｏｖｅｄＳＡＣａｌｇｏｒｉｔｈｍ，ａｎｄｃｏｍｂｉｎｅｄｔｈｅｔｗｏｉｎｔｏａ

ｍｕｔａｔｉｏｎｌｏｃａｌｉｚａｔｉｏｎＳＡＣａｌｇｏｒｉｔｈｍｆｏｒｍｏｂｉｌｅｒｏｂｏｔｓｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｌａｃｋｏｆｃｏｍｐｌｅｔｅｅｎｖｉｒｏｎｍｅｎｔｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅ

ｓｌｏｗｔｒａｉｎｉｎｇｓｐｅｅｄｏｆｄｅｅｐｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇａｇｅｎｔｓ．Ｔｈｅｍｕｔａｔｉｏｎｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗａｓａｂｌｅｔｏｃｏｍｐｕｔｅｔｈｅｓｕｂ

ｔａｒｇｅｔｐｏｉｎｔｌｏｃａｔｉｏｎｓｉｎｔｈｅａｂｓｅｎｃｅｏｆｃｏｍｐｌｅｔｅｅｎｖｉｒｏｎｍｅｎｔｉｎｆｏｒｍａｔｉｏｎａｎｄｒｅｄｕｃｅｔｈｅｌｅｎｇｔｈｏｆｔｈｅｐｌａｎｎｅｄｐａｔｈｆｏｒｍｏｂｉｌｅ

ｒｏｂｏｔｓ．Ｍｅａｎｗｈｉｌｅ，ｉｔｉｍｐｒｏｖｅｄｔｈｅｔｒａｉｎｉｎｇｓｐｅｅｄｏｆＳＡＣａｇｅｎｔｓｂｙｉｎｔｒｏｄｕｃｉｎｇｔｈｅｉｍｐｒｏｖｅｄｌｏｓｓｆｕｎｃｔｉｏｎａｎｄｍｕｌｔｉｓｔａｇｅ

ｔｒａｉｎｉｎｇｍｅｔｈｏｄｏｆｃｒｉｔｉｃｎｅｔｗｏｒｋｂａｓｅｄｏｎｖｉｒｔｕａｌｐｏｔｅｎｔｉａｌｆｉｅｌｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｕｔａｔｉｏｎｌｏｃａｌｉｚａｔｉｏｎ

ＳＡＣａｌｇｏｒｉｔｈｍｒｅｄｕｃｅｓ４６．６８％，３９．５０％，２０．１８％，ａｎｄ２７．７９％