收敛更快更稳
基于领导者-跟随者架构与双深度Q网络的决策控制器，将视线制导律与纵向速度、航向虚拟控制律结合，来解决UUV回收过程中参数难选与扰动鲁棒性问题。
冯景祥 · Yang, Cao · Fan, Xueman · Guang, Yang · Jingwei, Dong
IEEE Access 2025
采用带固定Q目标的双DQN结构，降低训练算法复杂度，从而提升训练稳定性和效率。
控制器基于DQN决策网络估计每个动作的期望累积奖励并选择最优动作，解决了控制器设计中参数选取的难题。
将扰动信号作为DQN决策网络的输入并在训练中考虑，增强了其在扰动环境下的控制精度和鲁棒性。