基于改进深度强化学习算法的农业机器人路径规划

赵威,张万枝,侯加林,侯瑞,李玉华,赵乐俊,程进

Path planning of agricultural robots based on improved deep reinforcement learning algorithm

Wei ZHAO,Wanzhi ZHANG,Jialin HOU,Rui HOU,Yuhua LI,Lejun ZHAO,Jin Cheng

表 2 仿真实验中的主要超参数

Tab.2 Main hyperparameters in simulation experiment

参数 数值 参数 数值 中线奖励因子a 1.25 经验池容量Rn 128 000 区域奖励因子b ±1.2 学习率lr 0.001 贪婪权重α 0.6 训练回合数Ep 2 000 优先经验回放权重β 0.4 每回合时间步数Es 1 000 折扣率γ 0.9 网络更新频率ui 10 抽样保证因子τ 0.3 每批次样本数bs 128 衰减步数εd 1 000 — —