在动态环境中，机器人路径规划面临诸多挑战。传统的人工势场法因易陷入局部最小陷阱而常常导致规划失败，而深度Q网络算法则因探索效率低下、收敛速度缓慢以及生成的路径不够平滑等问题，限制了其在复杂场景中的应用。为应对这些不足，本文提出了一种新型路径规划算法，...