改进奖励函数的深度强化学习路径规划方法
来源：计算机应用与软件杂志2025年第1期北京时间：
作者：桑垚, 马晓宁
摘要：针对深度强化学习在路径规划问题中的稀疏奖励问题，提出一种基于潜能奖励函数的深度强化学习模型。该模型通过设计新的奖励函数，提高奖励密度和样本利用率，减少训练难度，提升智能体在不同地图中的寻路成功率。仿真结果表明，改进后的模型在简单地图上路径规划成功率提高7.08百分点，在复杂地图上规划成功率提高12.60百分点；与最先进的算法对比，寻路成功率近似，但规划路径结果的长度较短。
关键词：深度强化学习, 路径规划, 移动机器人, 奖励函数
