基于DDQN的无人机区域覆盖路径规划策略

作者：沈骁; 赵彤洲^*

来源：电子测量技术, 2023, 46(14): 30-36.

DOI：10.19651/j.cnki.emt.2211675

• 未知环境
• 区域覆盖
• 深度强化学习
• 路径规划

基于深度强化学习方法对未知环境的无人机区域覆盖路径规划进行研究，通过搭建栅格环境模型，在环境中随机部署无人机和禁飞区位置，利用双深度Q网络(DDQN)训练无人机的覆盖策略，得到了一套基于DDQN的无人机未知区域覆盖路径规划框架。仿真实验表明，设计的无人机未知区域覆盖路径规划框架在无禁飞区的环境下可以实现完全覆盖，在含有未知数量的禁飞区下也能比较好的完成区域覆盖任务，与DQN方法比较，其平均覆盖率能够在相同训练条件和训练次数下高出2%,与Q-Learning方法和Sarsa方法对比，在无禁飞区的环境中分别高出4%和3%。

• 单位
  武汉工程大学