基于改进PPO算法的船舶自主避碰决策

为减少船舶避碰决策过程中人为失误导致的海难事故，提出一种基于改进近端策略优化(PPO)算法的船舶自主避碰决策。在传统PPO算法广义优势估计基础上加入自适应基线调整，并且使用长短期记忆网络(LSTM)改进网络结构。船舶的航行信息和激光雷达矢量线被应用于神经网络输入，航行制导、角度偏差及《1972年避碰规则》均被纳入改进的奖励函数设计。两船和多船会遇场景仿真实验表明：本文提出的避碰决策可使船舶实现自主航行，并在避碰过程中符合《避碰规则》,为处理复杂局面下的船舶避碰决策提供了参考。