《表1 PPO算法参数：基于深度强化学习的三维路径规划算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度强化学习的三维路径规划算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

每个智能体都按照本文所提出的方法不断地学习探索，训练过程中，始终遵循公式（6）进行一定的奖惩。在每一回合规定的最大步长内未到达目的地则-0.5，到达目的地则+1.0。每一回合结束或出现出界的情况则整个场景复位。为了加快训练速度提高训练效果采用多智能体并行训练，虽然10个智能体是独立的个体，但是它们具有相似的观测和动作。本实验总训练次数为1.5×106次，PPO参数设置如表1所示。