[发明专利]一种基于时序差分学习的可靠性导航方法

摘要

本发明公开了一种基于时序差分学习的可靠性导航方法，解决了传统技术中无法在通行存在不确定因素的情况下做出最优导航决策的问题，其包括：步骤A：建立决策过程模型，并生成数个节点s和数个指定动作a；步骤B：制定决策列表策略π，采用π确定数个指定动作a的优先级；步骤C：基于决策过程模型，采集得到当前行驶代价r的样本值，并分别求取Gπ(s)和Gπ(s,a)的均值估计值与方差估计值；其中Gπ(s)的均值估计值和方差估计值分别为Vπ(s)和Gπ(s,a)的均值估计值和方差值分别为Qπ(s,a)和实现了提高导航准确性的技术效果。