首页> 中国专利> 一种基于迁移学习策略深度Q网络的无人机路径规划方法

一种基于迁移学习策略深度Q网络的无人机路径规划方法

页面导航

摘要
著录项
相似文献

摘要

本发明公布了一种基于迁移学习策略深度Q网络的无人机路径规划方法，所述方法首先利用栅格法对UAV所处的动态环境进行建模并对其进行描述，建立UAV的状态空间和动作空间模型；其次，初始化DQN的网络参数和无人机的当前状态；然后，在静态环境模型下采用基于社会力模型的回报机制对DQN进行训练，得到网络权值和最优动作值；接着，利用迁移学习将静态环境下训练得到的网络权值和最优动作值迁移到动态环境下，继续进行神经网络训练，得到UAV将要执行的动作；最后，计算当前时刻无人机的位置，实现动态环境下无人机的路径规划。本发明有效解决了无人机在动态环境下进行路径规划时，DQN训练收敛速度慢、路径规划不理想、成功率较低的问题。

著录项

公开/公告号CN110703766B

专利类型发明专利
公开/公告日2022-01-11

原文格式PDF
申请/专利权人南京航空航天大学;
展开▼

申请/专利号CN201911084670.5
发明设计人丁勇;汪常建;胡佩瑶;
展开▼

申请日2019-11-07
分类号G05D1/02(20200101);
代理机构32204 南京苏高专利商标事务所(普通合伙);
代理人李淑静
地址 211106 江苏省南京市江宁区将军大道29号
入库时间 2022-08-23 13:00:18

相似文献

专利
中文文献
外文文献

1. 一种基于迁移学习策略深度Q网络的无人机路径规划方法 [P] . 中国专利： CN110703766B . 2022.01.11
2. 一种基于竞争深度学习网络的无人机飞行路径规划方法 [P] . 中国专利： CN109870162B . 2020.10.30
3. ARTIFICIAL NEUTRAL NETWORK DEEP LEARNING-BASED METHOD, APPARATUS, LEARNING STRATEGY, AND SYSTEM FOR ANALYTE ANALYSIS [P] . EP3777653A4 . 2021-12-22

机译：基于人工中性的网络深度学习的方法，装置，学习策略和分析物分析系统
4. A method for training a deep learning network based on AI and a learning device using the same [P] . KR20210141784A . 2021-11-23

机译：一种基于AI和学习设备的基于AI的深度学习网络的方法
5. Post-Stack Kirchhoff Depth De-Migration Method for Tilted Transverse Isotropic (TTI) and Heterogeneous Media Based on Ray Tracing on Migrated Data [P] . 美国专利： US2020132871A1 . 2020-04-30

机译：基于迁移数据的射线追踪的倾斜横向各向同性（TTI）和非均质介质的叠后基尔霍夫深度去迁移方法