结合LSTM的强化学习动态环境路径规划算法

摘要：

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.

关键词：自动编码器、LSTM、DDPG、强化学习、动态路径规划

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：山东省自然科学基金项目ZR2017BF043

在线出版日期：2021-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：334-339