基于深度强化学习的搜索路径规划方法、装置及评估方法

本申请涉及搜索路径规划技术领域，具体涉及一种基于深度强化学习的搜索路径规划方法、装置及评估方法。该搜索路径规划方法包括以下步骤：基于搜索环境参数，建立关于探测能力的环境矩阵，并设定起点；已训练好的神经网络基于智能体的当前位置、奖励函数和环境矩阵，输出各动作对应的Q值，所述奖励函数根据当前位置及其与目标点的距离、当前位置邻域的探测能力以及未访问区域数量设计；智能体根据Q值最大对应的动作执行每下一步动作。能够解决现有技术中存在强化学习算法在面对复杂任务时往往难以同时兼顾效率与稳定性，可能导致路径规划时间过长或结果偏离全局最优，影响实际应用效果的问题。