本發(fā)明設(shè)計(jì)了一種利用深度強(qiáng)化學(xué)習(xí)模型Graph Attention based Pointer Network（GAPN）為無(wú)線傳感器網(wǎng)絡(luò)中的無(wú)人車向傳感器節(jié)點(diǎn)進(jìn)行充電的路徑規(guī)劃方法。流程包括如下步驟：（1）收集無(wú)線傳感網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的位置坐標(biāo)信息及其電量狀況（2）根據(jù)收集的數(shù)據(jù)生成與其位置信息相同分布的訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；（3）將制作好的數(shù)據(jù)集用于GAPN模型訓(xùn)練；（4）將收集到的節(jié)點(diǎn)信息輸入到完成訓(xùn)練的GAPN模型中，通過(guò)模型的處理，輸出最終的訪問節(jié)點(diǎn)序列。本發(fā)明基于深度強(qiáng)化學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)的方法提出了一種解決無(wú)人充電車路徑規(guī)劃的策略，提高了無(wú)線傳感網(wǎng)絡(luò)的工作效率，延長(zhǎng)了網(wǎng)絡(luò)的生命周期。