本發(fā)明公開(kāi)一種基于模仿學(xué)習(xí)和強(qiáng)化學(xué)習(xí)算法的無(wú)人機(jī)飛行控制方法：創(chuàng)建無(wú)人機(jī)飛行仿真環(huán)境模擬器；定義飛行的基本動(dòng)作集合；根據(jù)飛行基本動(dòng)作將軌跡數(shù)據(jù)進(jìn)行分類(lèi)；對(duì)于每個(gè)飛行動(dòng)作，利用模仿學(xué)習(xí)學(xué)出從飛行基本動(dòng)作到原始動(dòng)作的映射網(wǎng)絡(luò)參數(shù)；統(tǒng)計(jì)每個(gè)基本動(dòng)作的最小連續(xù)行動(dòng)數(shù)量；構(gòu)建上層的強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)，并將最小連續(xù)行動(dòng)數(shù)量作為飛機(jī)動(dòng)作不一致性的懲罰p加入；在模擬器中，獲取當(dāng)前的觀測(cè)信息和獎(jiǎng)勵(lì)，使用pDQN算法，選取對(duì)應(yīng)飛行基本動(dòng)作；將飛機(jī)自身的狀態(tài)信息輸入到飛行基本行動(dòng)對(duì)應(yīng)的模仿學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中，輸出模擬器的原始行動(dòng)；將得到的原始行動(dòng)輸入到模擬器中獲取下個(gè)時(shí)刻的觀測(cè)和獎(jiǎng)勵(lì)；使用pDQN算法進(jìn)行訓(xùn)練，直到上層的策略網(wǎng)絡(luò)收斂。