文章详情

摘要

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。

关键词

A*-DQN；无人机路径规划；动态避障；强化学习

参考文献

1. [1] 赵嶷飞，李仲明，任新惠.城市场景无人机物流航线规划方法综述 [J].南京航空航天大学学报（自然科学版），2025，57（6）：1013-1025.
2. [2] 黄鑫，张志佳，孙平，等.基于深度强化学习的路径规划算法综述 [J].机器人，2026，48（1）：196-216.
3. [3] 田旭光，左钦文，王丁，等.基于融合A*启发式搜索的深度强化学习路径规划算法研究 [J].兵工学报，2025，46（S2）：315-327.
4. [4] 李峻林，熊兴中，杨开来，等.基于ROS与融合算法的室内无人机路径规划研究 [J].国外电子测量技术，2024，43（1）：173-181.
5. [5] 温海骏，李欣.基于改进融合DQN算法的机器人路径规划 [J/OL].计算机应用与软件，2026：1-10.https://link.cnki.net/urlid/31.1260.tp.20260108.1646.010.
6. [6] 唐嘉宁，杨昕，周思达，等.未知环境下改进DDQN的无人机探索航迹规划研究 [J].电光与控制，2023，30（4）：23-27，33.
7. [7] 孟斌，路娜，付帅，等.基于深度强化学习的无人机复杂环境自主导航与避障研究 [J/OL].飞行力学（2026-01-26） [2026-02-24]改飞行力学，2026：1-7.https://doi.org/10.13645/j.cnki.f.d.20260123.001.
8. [8] 寇凯，杨刚，张文启，等.基于SAC的无人机自主导航方法研究 [J].西北工业大学学报，2024，42（2）：310-318.
9. [9] 吕茂隆，丁晨博，韩浩然，等.基于深度强化学习的无人机自主感知-规划-控制策略 [J].自动化学报，2025，51（6）：1305-1319.
10. [10] 梁秀满，刘子良，刘振东.基于深度强化学习的改进RRT算法路径规划 [J].系统仿真学报，2025，37（10）：2578-2593.

基金项目

山西省高等学校科技创新项目资助（2024L565）

作者简介

冀峰（1989—），男，汉族，山西忻州人，讲师，硕士研究生，研究方向：机器学习、嵌入式技术。