长久以来路径规划技术都是移动平台控制导航中最难以处理的问题。强化学习作为一种自身更新能力较强的机器学习方法,非常符合用于应对移动平台路径规划中的各种情况。基于深度强化学习的路径规划方法则是解决此类问题中的一类新方法,通过实现移动平台的智能化控制,不仅能大大提高其自主性和鲁棒性还能扩展其应用范围。本文是基于深度强化学习的应用型研究,针对路径规划问题中传统算法设计复杂,原有强化学习的方法难以收敛的问题,而将DDPG算法的框架应用在移动平台上,并分别通过二维环境和三维环境下的仿真验证了此方案的有效性和实用性。首先,对强化学习和深度学习的基本理论和相关算法做了详细的讲解和推导,并推出了第一个深度强化学习算法;然后,针对基于值更新算法的不足,引出了基于策略更新的算法,通过将二者的合并推导出了本文所使用的算法框架,并对使用该框架的DDPG算法做了详细的推导。最后,基于该算法框架设计并训练了一个既具有感知能力又具有决策能力的智能体,通过让智能体控制移动平台分别在二维环境和三维环境中进行了仿真,实现了端到端的训练模型,验证了算法的有效性和实用性。