针对不同会遇态势下的船舶自主航行避碰决策问题，在DDPG(Deep Deterministic Policy Gradient)算法基础上，以国际航行规则(COLREGS)为基准设计相应的奖励函数，通过引入势能回报塑形的思想来引导智能体学习最佳策略，...