计算机应用研究

作者：胡立坤,韦春有,

单位：广西大学电气工程学院,南宁530000；

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,

基金：广西科技计划资助项目(桂科AB21220039)；；

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soft actor-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%。

来源：2025年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第2期