深度增强学习优化无人机航迹

基于Deep Reinforcement Learning的自主车辆导航

状态：活动（在活动开发中，可能会发生重大更改） 该存储库将实现经典且最新的深度强化学习算法。 该存储库的目的是为人们提供清晰的pytorch代码，以供他们学习深度强化学习算法。 将来，将添加更多最先进的算法，并且还将保留现有代码。 要求 python <= 3.6 张量板 体育馆> = 0.10 火炬> = 0.4 请注意，tensorflow不支持python3.7 安装 pip install -r requirements.txt 如果失败： 安装健身房 pip install gym 安装pytorch please go to official webisite to install it: https://pytorch.org/ Recommend use Anaconda Virtual Environment to manage your packages 安装tensorboardX pip install tensorboardX pip install tensorflow==1.12 测试 cd Char10\ TD3/ python TD3

本文研究并借鉴了深度 Q 网络的结构，借鉴其使用一个神经网络处理图像输入并计算行动价值函数，将深度学习与增强学习结合。根据路径规划问题的特殊性设计了一个全卷积神经网络，并引入注意力机制优化网络结构。其次，针对神经网络在处理多步决策、规划问题上的短板，参考价值迭代网络，在神经网络模型的基础上引入价值迭代模块。对价值迭代模块进行解构分析，提出改进的价值迭代模块，解决了引入价值迭代模块造成的误差累积问题。最后，将神经网络表征的行动价值函数分解为状态价值函数与优势函数之和，形成竞争神经网络结构，至此完成神经网络的构建。本文使用 2D 栅格环境，使用专家样本取代传统增强学习中的代理经历，以模仿学习方式加速模型训练。通过算法在最短路径规划问题上的表现衡量算法效能。

深度增强学习算法的PyTorch实现(策略梯度/生成对抗模仿学习)