一种基于改进SAC算法的无人潜航器路径规划方法

• 国民经济行业：交通运输、仓储和邮政业
• 学科类别：交通运输工程／水路运输／水路运输其他学科
• 权利人：上海交通大学

知识产权简介

本发明以 UUV 路径规划为核心目标，基于深度强化学习软演员-评论家（Soft Actor-Critic，SAC）算法开展研究，依托 Gym 框架搭建仿真实验环境以测试验证算法效果；主要发明内容为：针对 SAC 算法在路径规划中前期收敛慢、难定前进方向的问题，引入欧几里得距离作启发函数提升训练速度，并通过参数ε衰减以减少其在训练后期对路径寻找的干扰，同时基于 Gym 框架搭建 UUV 水下仿真实验环境，模拟海流与 UUV 尺寸以提升环境真实性及算法普适性、鲁棒性，且在该环境中与其他强化学习方法开展对比实验；实验结果表明，本发明提出的改进型 SAC 算法在 UUV 路径规划任务中表现优异，具备较高实际应用价值与推广前景。

转化前景

本发明以 UUV 路径规划为核心目标，基于深度强化学习软演员-评论家（Soft Actor-Critic，SAC）算法开展研究，依托 Gym 框架搭建仿真实验环境以测试验证算法效果；主要发明内容为：针对 SAC 算法在路径规划中前期收敛慢、难定前进方向的问题，引入欧几里得距离作启发函数提升训练速度，并通过参数ε衰减以减少其在训练后期对路径寻找的干扰，同时基于 Gym 框架搭建 UUV 水下仿真实验环境，模拟海流与 UUV 尺寸以提升环境真实性及算法普适性、鲁棒性，且在该环境中与其他强化学习方法开展对比实验；实验结果表明，本发明提出的改进型 SAC 算法在 UUV 路径规划任务中表现优异，具备较高实际应用价值与推广前景。