买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供基于知识引导深度强化学习的旅行商问题求解方法及装置，该方法用于求解无人机的待监测地路径规划问题，包括：获取训练样本集和测试样本集；向深度强化学习模型输入训练样本集，并将训练样本分别创建为无向完全图；基于所述训练无向图集，利用滑动平均值算法，确定模型的当前决策能力；结合模型的当前决策能力和理论边界，得到自适应基线；通过所述自适应基线，确定RIDGE算法，得到训练后的深度强化学习模型；以及利用测试样本集测试深度强化学习模型。通过本公开的方案，解决了无人机的待监测地路径规划问题中环境一致性假设与尺度泛化能力需求之间的矛盾。

主权项：1.一种基于知识引导深度强化学习的旅行商问题求解无人机的待监测地路径规划方法，所述方法基于知识引导深度强化学习的旅行商问题求解，其特征在于，包括以下步骤：S100、获取训练样本集和测试样本集，其中所述训练样本集为随机生成的监测点地理位置数据集，并且测试样本集为无人机需要实际监测的实际监测点地理位置数据集；S200、训练深度强化学习模型，所述深度强化学习模型用于确定无人机到各个测试样本集的最短路径，包括以下步骤：S210、向所述深度强化学习模型输入训练样本集，将训练样本集中的各个训练样本分别创建为无向完全图，得到训练无向图集；所述训练无向图集中的每个训练无向图与训练样本一一对应；训练无向图集描述随机生成的监测点地理位置数据集的相互依赖关系；S220、基于所述训练无向图集，利用滑动平均值算法，确定深度强化学习模型的当前决策能力；S230、结合所述深度强化学习模型的当前决策能力和理论边界，得到自适应基线；S240、通过所述自适应基线，确定RIDGE算法，得到训练后的深度强化学习模型；所述RIDGE算法的公式如下： ；其中，表示梯度操作符；表示当前深度强化学习模型下求解训练样本的累计收益；表示第个批次中第个训练样本的第个路径规划问题解；表示第个批次中第个训练样本的第个路径规划问题解的奖励；表示在训练样本下，选择第个批次中第个训练样本的第个路径规划问题解的策略；S300、测试深度强化学习模型，包括以下步骤：S310、向训练后的所述深度强化学习模型输入测试样本集，将测试样本集中的各个测试样本分别创建为无向完全图，得到测试无向图集；所述测试无向图集中的每个测试无向图与测试样本一一对应；S320、通过训练后的所述深度强化学习模型，确定测试无向图的最优解以获得无人机到各个测试样本集的最短路径。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于知识引导深度强化学习的旅行商问题求解方法与装置