基于改进MADDPG的多目标航迹规划方法

针对传统多智能体深度确定性策略梯度(MADDPG)算法在多无人机(UAV)航迹规划中存在的探索效率低、价值估计偏差大及训练稳定性不足等问题,提出一种改进的MADDPG算法.该算法引入双延迟深度确定性策略梯度(TD3)的核心机制,包括双价值网络、延迟策略更新及目标策略平滑,并结合探索噪声的指数衰减策略,从而在保持策略多样性的同时提升收敛稳定性.在此基础上,分别设计适用于多无人机协同航迹规划的状态空间与动作空间,构建密集型奖励函数,并实现高效稳定的路径规划策略.通过在三维静态环境下的仿真实验,对比传统MADDPG算法与所提改进 MADDPG算法的性能差异.结果表明:所提改进 MADDPG算法能够在多种起止位置及障碍分布条件下实现快速收敛与稳定规划,相较于传统 MADDPG算法在路径效率、任务完成率及协同控制能力等方面均具有显著优势,验证了其在复杂空域多无人机协同航迹规划任务中的有效性与鲁棒性.