阳 杰，张 凯

（西安工程大学电子信息学院，西安710600）

1 引 言

近年，国内外学者对解决智能体路径规划方面进行了广泛的研究[1]。在早期研究中，常用的路径规划算法有栅格法、引力-排斥力势场法、几何构造法、约束条件下的图解法、基于时间窗动态窗口法[2]等。随着研究深入与人工智能的产生，产生了多种智能路径规划算法，如基于遗传因子的遗传算法[3]、基于粒子适应度的粒子群算法[4]、基于信息素的蚁群算法[5]等，然而传统的路径规划方法在解决规划寻优上都稍有不足。在解决复杂的环境路径规划时，基本智能路径规划算法易于陷入局部最优解，无法避免规划出现局部最优解，得到结果只是次优解；传统的人工智能算法在解决复杂环境路径规划寻优问题时，处理优化的数据量庞大，需要通过反复迭代，不断从初始位置进行探索才能得到最佳的路径。

强化学习算法是根据执行动作，将环境状态改变反馈给智能体奖励值，来提高探索寻优的路径规划能力。它通过对环境探索的不断试错来寻找目标点，通过对所有到达目标点路径优化处理得到最优路径，对未知环境具有较好的效果，具有广阔的应用前景，但在针对复杂度较高的未知环境求解时，经典Q 值的获得仍然很困难。针对算法规划寻优问题，研究者提出了多种初始化Q 值函数以及增加环境先验知识的方法来加快路径规划收敛速度，例如神经网络初始化训练Q 值法、基于模糊规则初始Q 值计算法[6]、基于人工势场法初始化状态信息[7-9]等。……