基于改进分层DQN算法的智能体路径规划
来源：计算机应用与软件杂志2024年第5期北京时间：
作者：杨尚志, 张刚, 陈跃华, 何小龙
摘要：针对智能体使用DQN(Deep Q Network)算法进行路径规划时存在收敛速度慢、Q值难以准确描述动作好坏的问题，提出一种优化DQN模型结构的分层DQN算法。该算法建立的激励层和动作层叠加生成更为准确的Q值，用于选择最优动作，使整个网络的抗干扰能力更强。仿真结果表明，智能体使用分层DQN算法的收敛速度更快，从而验证了算法的有效性。
关键词：分层DQN, 神经网络, 强化学习, 路径规划
