无人船具有广阔的应用前景,自主路径规划作为其关键技术,已在无人船研究领域中发展成为热点研究方向。结合人工智能理论方法,本文开展基于深度强化学习的无人船路径规划研究,解决未知复杂航行环境下的无人船自主航路规划问题。首先,在开阔水域中,通过对环境进行无人船安全范围的区域划分和视觉可视剪枝技术,并结合Theta*理论生成足够稀疏的全局最优航路点。进一步,在复杂的狭窄水域中,将精英和多样化策略融入遗传算法,设计了能够生成稀疏航路点的精英遗传算法。进一步部署了B样条技术,以进行灵活平滑的插值,从而得到由最佳稀疏路点组成的平滑路径。其次,在不可预见的情况下,为具有运动学约束的无人船创建了一种结合了全局路径规划和局部层次结构的运动学约束的全局-局部混合路径规划方案。为了应对动态不可预见的环境,通过模糊决策层和精细动态窗口层建立了局部分层结构,分别通过控制前向和艏摇角速度来分别负责避免大范围和近距离碰撞。借助于精细动态窗口层,与无人船有关的受约束的运动学将融入到局部路径规划中,进而得到一条可跟踪且避免碰撞的局部路径。同时,设立虚拟航路点使局部路径和全局路径无缝衔接。从而为整个混合路径规划方案做出贡献。在现实世界中进行了仿真研究和综合比较,以证明所提出的混合路径规划方案的有效性和优越性。此外,结合B样条平滑路径,开发了具有任务导向的奖励函数的深度确定性策略梯度算法,并从存储池中的数据确定性地提取深度领航策略,即得到从路径跟踪误差到力控水平动作的映射,从而得到基于遗传辅助深度强化学习的无人船自主领航方案,并且该方案是由航路点生成、路径平滑和力控水平的无人船领航策略组成的自主领航框架。本文在相同条件下与多种算法在不同的地理区域进行综合对比,从而验证了算法在应对突发状况和海洋扰动下的稳定性和有效性。此外,通过在不同地理区域使用其他环境训练得到的深度领航模型,从数据结果分析得出模型具有良好的泛化性能。