本发明提出一种基于强化学习的工作排程优化方法，旨在通过考虑员工实时疲劳程度，优化员工工作排程，进而缩短最大完工时间。首先，分析员工工作与休息状态下的效率变化曲线，构建工作‑休息排程的数学模型，将员工作业流程建立为马尔可夫决策过程；其次，基于SAC(Soft Actor Critic)算法设计智能体决策框架，实时调整员工工作与休息时长，以最大限度提高员工平均工作效率；此外，设计工作量快速适应机制，仅通过少量迁移训练，实现快速适应不同任务目标。仿真结果表明本发明能够优化员工工作排程方案，缩短最大完工时间，同时在工作量任务较大的情况下，可得到更好的优化效果，工作量快速适应机制使模型可以更灵活的应用于动态场景中。
本发明针对人工势场法(artificial potential field approach,APFA)在无人潜器三维路径规划应用存在局部震荡、易陷入局部极小值的问题，公开了基于人工势场栅格法的无人潜器三维路径规划方法，具体包括：在三维地图下将障碍物进行栅格化处理，采用斥力点附着在栅格体表面的方法，弥补传统APFA建模理想化导致规划路径变长的缺点；改变栅格体表面的斥力函数，使栅格体表面势场平行栅格体表面形成环绕势场，解决无人潜器路径规划局部震荡的问题；通过引入虚拟目标点，避免无人潜器陷入局部最优；最后对路径点进行插值平滑处理，使得路径光滑。仿真结果表明，本发明提出改进APFA方法有效克服了无人潜器在三维路径规划下局部震荡及易陷入局部极小值的不足，规划路径平滑，时间效率高。
本发明针对人工势场法(artificial potential field approach,APFA)在无人船路径规划应用存在建模理想化导致路径效率低、易陷入局部极小值的问题，公开了一种基于改进人工势场法的无人船航速自适应路径规划方法，具体包括：将障碍物规则化处理，以障碍物的最长距离为直径，等效为圆形障碍物，设置安全距离，弥补传统APFA建模理想化导致无法准确判断与障碍物距离的不足；设计适用于不同航速的无人船转角公式，构建其转角判定条件，根据两次切线判定准则，避免无人船路径规划陷入局部最优。仿真结果表明，本发明提出的改进APFA方法解决了无人船在不同航速下易陷入局部极小值的问题，所规划路径更优、时间更快、效率更高。
为解决快速变化的动态复杂场景下基于搜索的寻路算法中存在的算法效率低，路径局部最优等问题。在跳点搜索（jump point search,JPS）算法基础上，提出动态场景下的跳点搜索（dynamic jump point search,DJPS）路径规划方法。DJPS算法应对不同场景下的障碍物变化，设计一套完整的“跳点‑路径更新方案”，同时探索障碍物更新时可能出现的新“近路”，优化所求得路径以保证路径的最优性。为验证DJPS算法的有效性，设计多种复杂地图下的路径更新实验。本发明中仅对原始路径以及路径附近节点进行障碍物检测，且利用原算法中保存于OpenList以及CloseList中的跳点，相互连接得到的未寻路结束的“废弃路径”，限制每次寻路时的搜索长度，降低算法的时间复杂度和空间复杂度，实现动态场景下的跳点搜索方案。
