随着无人机技术的快速发展，其在物流、农业、搜索救援等领域的应用越来越广泛。路径规划作为无人机自主导航的核心技术之 一，对于提高任务效率和安全性至关重要。本文提出了一种基于深度强化学习 Q-Learning 的无人机自适应路径规划算法。 该算法通过结合 Q-Learning 的强化学习机制和深度神经网络的特征提取能力，实现了在复杂环境下的自适应路径规划，能够有效解决复杂 环境下的无人机路径规划问题。通过构建深度 Q 网络，将无人机的状态信息作为输入，输出各个动作的 Q 值，从而选择最优路径。通过仿 真和实验验证，与传统算法相比，该算法在路径长度、避障能力和适应性方面表现出色，在动态环境中具有更好的适应性和鲁棒性，能够 实现更高效、更安全的无人机自主导航。 关键词：无人机；路径规划；深度强化学习；Q-Learning；自适应
