原创力文档- 1、原创力文档（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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第41卷第9期算机仿真2024年9月
文章编号：1006-9348(2024)09-0416-08
具有自适应贪婪因子的深度强化学习路径规划
曾明如，涂佳昊，祝琴2*，宋世杰
（1.南昌大学信息工程学院，江西南昌330031；
2.南昌大学信息管理学院，江西南昌330031）
摘要：深度强化学习的开创性(DeepQ-Network,DQN)算法，虽然其在路径规划中表现优异，但仍存在过估值、经验回放机制
缺陷以及没有很好地平衡探索与利用的关系等问题。为了解决上述问题，提出了一种具有自适应贪婪因子的深度强化学习
路径规划算法。首先，在D3QN算法的基础上引人了优先经验回放机制，解决过估值问题的同时增加了算法对重要样本的
抽样概率，提高了算法的效率；其次，设计了一种新的奖励函数，提高了动作的区分度；最后，设计了一种能够自适应调节的
贪婪因子，平衡了探索与利用的关系。采用Python中的TensorFlow框架和Tkinter库建立环境地图,验证算法的有效性。结
果表明，改进的算法无论是得到的最优路径还是算法迭代次数都优于DQN算法。
关键词：路径规划；深度强化学习；探索因子；经验回放
中图分类号：TP242文献标识码：B
PathPlanningforDeepReinforcementLearning
withAdaptiveGreedyFactor
ZENGMing-ru,TUJia-hao,ZHUQin*2,SONGShi-jie
(1.SchoolofInformationEngineering,NanchangUniversity,NanchangJiangxi330031,China;
2.SchoolofInformationManagement,NanchangUniversity,NanchangJiangxi330031,China)
ABSTRACT:AlthoughDQN(DeepQ-Network),apioneeringalgorithmofdeepreinforcementlearning,has
excellentperformanceinpathplanning,itstillhassomeproblemssuchasvaluation,experiencereplaymechanismde-
fects,andlackofagoodbalancebetweenexplorationandutilization.Adeepreinforcementlearningpathplanningal-
gorithmwithanadaptivegreedfactorisproposed.Firstly,thepreferentialexperiencereplaymechanismisintroduced
onthebasisoftheD3QNalgorithm,whichsolvestheestimationproblemandincreasesthesamplingprobabilityofim-
portantsamples,thusimprovingtheefficiencyofthealgorithm.Secondly,anewrewardfunctionisdesignedtoimprove
thedifferentiationofactions.Finally,anadaptivegreedfactorisdesi
文档评论（0）