随着机器人技术的发展,人们要求移动机器人在未知领域自动探索并完成任务要求,与传统方法相比,新一代基于深度学习算法的强化学习技术不依赖先验地图信息就可以完成搜索导航任务,可对复杂未知环境进行探索。本文基于深度强化学习对移动机器人的轨迹规划,搜索导航技术进行研究,重点研究了基于值函数的深度Q学习算法,基于Actor-Critic的A3C算法以及激励移动机器人进行主动探索的内驱动技术。论文主要内容如下:首先,分析了时间差分的算法模型,以该模型为采样模型,研究并实现了深度Q学习算法,针对地图环境可能较为复杂的特点,加入了经验回放机制和固定网络模型技术,增强了网络的承载能力和网络的收敛能力。通过实验验证了算法的有效性。其次,在明确了搜索地图很复杂后,针对深度Q学习训练较困难,收敛较慢的特点,研究了一种综合了深度Q学习和基于策略类强化学习算法的Actor-Critic类算法,在AC模型,A2C模型和A3C模型中选择了A3C模型,该算法通过多个计算机线程分别进行探索,并对结果进行汇总,该算法兼具了深度Q学习和基于策略类算法的优点,在单步训练的同时还可以输出策略概率。最终,在训练的收敛性和稳定性上都远优于深度Q学习算法。最后,为了增强移动机器人的探索能力,研究并加入了模仿人类探索心里的内驱动机制。通过产生奖励的方法,鼓励移动机器人更多的在初期进行探索而不是局限于已开发的部分。经过实验论证证明,在同一类算法中,当给移动机器人的奖励中加入内驱动的确可以更快的让移动机器人实现地图完全覆盖。