本发明公开了一种基于路径规划的深度强化学习智能车行为决策方法,属于智能车自动驾驶技术领域,所述一种基于路径规划的深度强化学习智能车行为决策方法包括将任务建模为马尔科夫决策过程,搭建深度强化学习算法,智能体输入设计,智能体输出设计,搭建训练网络结构,对任务环境进行路径规划,改进奖励函数,以及训练和测试智能体模型,具有处理复杂决策、简化仿真场景到实际应用的过程、解决了训练速度慢和难以收敛的问题以及提高智能体模型的实际泛化能力的优点。
声明:
“基于路径规划的深度强化学习智能车行为决策方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)