[发明专利]一种基于强化学习的路径规划方法及装置

权利要求书

1.一种基于强化学习的路径规划方法，其特征在于，包括：

建立环境势能场，所述环境势能场包括目标点的引力场和障碍物的斥力场；

根据所述环境势能场和奖励函数，优化所述奖励函数；

选择迭代路径，得到下一状态；以及

当所述下一状态的奖励函数满足预算条件时，结束迭代。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据所述环境势能场和奖励函数，初始化当前状态的评价函数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述环境势能场和奖励函数，初始化当前状态的评价函数包括：

所述当前状态的初始评价函数值与对应的奖励函数正相关，所述当前状态的初始评价函数值与对应的状态下的势能值正相关；其中，所述势能值为所述引力场和所述斥力场的合力。

4.根据权利要求1所述的方法，其特征在于，所述根据所述环境势能场和奖励函数，优化所述奖励函数包括：

优化后的奖励函数与对应的优化前的奖励函数正相关，优化后的奖励函数与对应的状态下的势能值正相关；其中，所述势能值为所述引力场和所述斥力场的合力。

5.根据权利要求1所述的方法，其特征在于，还包括：

根据优化后的奖励函数，更新评价函数；其中，所述评价函数与所述优化后的奖励函数正相关。

6.根据权利要求5所述的方法，其特征在于，还包括：

根据所述环境势能场的势能值构建启发函数，所述启发函数与所述环境势能场的势能值正相关。

7.根据权利要求6所述的方法，其特征在于，所述选择迭代路径依据如下任一种策略：

根据所述启发函数确定所述迭代路径；或

根据所述评价函数确定所述迭代路径；或

随机选择迭代路径。

8.根据权利要求7所述的方法，其特征在于，选择迭代路径的各种依据的概率之和为1。

9.根据权利要求1所述的方法，其特征在于，所述预算条件包括：

所述下一状态的累计奖励函数小于第一阈值；或

所述下一状态的累计奖励函数大于第二阈值；

其中，所述第一阈值小于所述第二阈值。

10.一种基于强化学习的路径规划装置，其特征在于，包括：

势能场建立模块，用于建立环境势能场，所述环境势能场包括目标点的引力场和障碍物的斥力场；

奖励函数优化模块，用于根据所述环境势能场和奖励函数，优化所述奖励函数；

迭代模块，用于选择迭代路径，得到下一状态；以及

判断模块，用于当所述下一状态的奖励函数满足预算条件时，结束迭代。