基于A^(*)-DQN算法的无人机动态环境路径规划研究OA

针对无人机复杂动态场景路径规划中存在的A^(*)算法动态适应性不足、DQN算法收敛慢且探索效率较低等问题,提出一种A^(*)-DQN融合路径规划算法。该算法以A^(*)生成的静态全局最优路径为引导,采用分层渐进式奖励机制,并结合面向动态障碍的自适应权重调整策略,在全局路径优化与动态避障之间取得平衡。实验结果表明,相较于传统DQN算法,A^(*)-DQN算法的收敛速度和测试成功率有所提升,动态环境下路径规划的效率和稳定性得到改善。该研究可为无人机动态环境路径规划提供一种可行的技术思路,具有一定的应用参考价值。