引用格式：胡致远，王征，杨洋，等．改进ＰＰＯ算法的ＡＵＶ路径规划研究［Ｊ］．电光与控制，２０２３，３０（１）：８７⁃９１,１０２．ＨＵＺＹ,ＷＡＮＧＺ,ＹＡＮＧＹ,ｅｔａｌ．ＯｐｔｉｍｉｚｅｄＰＰＯａｌｇｏｒｉｔｈｍｂａｓｅｄＡＵＶｐａｔｈｐｌａｎｎｉｎｇ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＯｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ,２０２３,３０（１）：８７⁃９１,１０２．改进ＰＰＯ算法的ＡＵＶ路径规划研究胡致远１，２，王征１，杨洋１，尹洋１（１．海军工程大学，武汉４３００００；２．中国人民解放军９１８６７部队，浙江义乌３２２０００）摘要：面对复杂的三维环境，传统的路径规划算法计算复杂度极度增加，失去了原有的效果。深度强化学习可以不依赖于精确的环境模型，其总体效率远高于传统算法。针对三维环境下的ＡＵＶ路径规划问题，在建立避碰探测模型和ｇｙｍ仿真环境的基础上，改进网络结构的ＰＰＯ算法设计及模型训练。通过仿真实验，验证了算法的准确率与有效性。关键词：ＡＵＶ；路径规划；近端策略优化；深度强化学习中图分类号：ＴＰ２４文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－６３７Ｘ．２０２３．０１．０１５ＯｐｔｉｍｉｚｅｄＰＰＯＡｌｇｏｒｉｔｈｍＢａｓｅｄＡＵＶＰａｔｈＰｌａｎｎｉｎｇＨＵＺｈｉｙｕａｎ１,２,ＷＡＮＧＺｈｅｎｇ１,ＹＡＮＧＹａｎｇ１,ＹＩＮＹａｎｇ１（１．ＮａｖａｌＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ,Ｗｕｈａｎ４３００００,Ｃｈｉｎａ；２．Ｎｏ．９１８６７ＵｎｉｔｏｆＰＬＡ,Ｙｉｗｕ３２２０００,Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆａｃｉｎｇｔｈｅｃｏｍｐｌｅｘｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｅｎｖｉｒｏｎｍｅｎｔ,ｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｐａｔｈｐｌａｎｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｅｘｔｒｅｍｅｌｙｉｎｃｒｅａｓｅｄ,ａｎｄｔｈｅｏｒｉｇｉｎａｌｅｆｆｅｃｔｉｓｌｏｓｔ．Ｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｃａｎｂｅｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅａｃｃｕｒａｔｅｅｎｖｉｒｏｎｍｅｎｔｍｏｄｅｌ,ａｎｄｉｔｓｏｖｅｒａｌｌｅｆｆｉｃｉｅｎｃｙｉｓｍｕｃｈｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍｓ．ＡｉｍｉｎｇａｔｔｈｅｐａｔｈｐｌａｎｎｉｎｇｐｒｏｂｌｅｍｏｆＡＵＶｉ...
