基于强化学习与深度神经网络的自动驾驶决策优化方法

本申请公开了一种基于强化学习与深度神经网络的自动驾驶决策优化方法，该方法通过构建马尔可夫决策过程以形式化自动驾驶决策问题；利用多分支深度神经网络对传感器数据进行特征提取与融合，生成高维环境特征向量；采用强化学习算法对决策动作进行价值评估以确定最优动作；执行动作后采集新状态与奖励反馈并构建经验样本存储至经验回放池；从经验回放池中采样批量样本，利用时序差分误差更新网络参数实现模型迭代优化。本申请通过深度神经网络的特征提取能力与强化学习的决策优化能力的深度耦合，解决了传统方法在复杂交通环境中适应性不足的问题，有效提高了自动驾驶车辆决策的准确性和实时性。