标题：基于深度Q网络的分布式车辆路径规划策略研究
作者：文家燕1，2 王怡博1，2；景永年3
作者单位：1 广西科技大学自动化学院，广西 柳州 545616；2 广西科技大学智能协同与交叉应用研究中心，广西 柳州 545616；3 黑芝麻智能科技有限公司，广东 深圳 518005
关键字：深度Q网络；路径规划；联邦学习；归一化
摘要：针对智能网联汽车在非结构化环境中路径规划存在学习效率低、泛化能力不足、数据隐私安全性不足等问题，提出一种基于深度Q网络（Deep Q-Network，DQN）的分布式车辆路径规划方法。设计了动态权重分配算法，结合本地数据归一化技术，对多源车辆模型训练参数进行整合，平衡模型性能的同时保护隐私安全。引入云端共享经验池机制，消除跨场景数据分布偏移，加速全局模型收敛。仿真实验表明，相较于传统DQN算法，提出的算法在环境中路径规划成功率提升显著，模型达到成功率90%时所需的训练回合数减少77.6%。