路径规划性能的高低直接关系移动机器人行驶路径选择的优劣和行驶的流畅度,如何在各种场景下迅速、准确地规划出一条高效路径且使其具备应对场景动态变化的能力是路径规划算法应当解决的问题。局部路径规划任务由于通过传感器获取的环境信息有限,通常存在维度灾难、路径冗余以及死锁问题,规划出的路径平滑度低。针对上述问题,本文将强化学习和神经网络相结合,研究移动机器人如何安全高效地完成局部路径规划任务。针对利用强化学习训练移动机器人局部路径规划模型出现的状态信息增多导致的维度灾难、模型泛化能力差以及特殊环境下的死锁等问题,提出Double BP-Q-learning算法。首先,利用神经网络拟合值函数代替Q值表,解决Q值表无法存储过量状态信息的问题;然后加入优先经验回放机制和迁移学习加快算法的收敛速度,在特殊环境下设计特定的动作选择策略来规避死锁状态;最后对Double BP-Q-learning算法进行了仿真验证。结果表明,改进后的Double BP-Q-learning算法训练好的模型泛化能力更强,冗余路段更少,在特殊障碍物环境下能够避开死锁状态到达目标点。针对移动机器人局部路径规划过程中出现的无法处理连续动作信息、算法收敛速度慢以及容易陷入死锁区域导致的目标不可达等问题,提出LSTM-PPO算法。通过PPO（Proximal Policy Optimization）算法中的概率选择动作解决强化学习无法输出高维连续动作问题,将PPO神经网络结构中的全连接层替换为LSTM（Long Short Term Memory）记忆单元,更快地累积奖励优化模型;加入虚拟目标点,通过虚拟目标点的引导使移动机器人走出陷阱区域趋向目标点,减少在死锁区域不必要的训练。最后在特殊障碍物和混合障碍物场景中分别对LSTM-PPO算法进行了仿真验证。验证结果表明,所设计的LSTM-PPO算法在各种场景训练中均能更快地到达奖励峰值,可以加快模型收敛速度、减少冗余路段、提高路径平滑度和缩短路径长度。对移动机器人进行总体设计,搭建基于ROS（Robot Operating System）的Turtlebot3移动机器人仿真实验平台,在Gazebo中构建移动机器人路径规划的场景,通过设计恰当的超参数,在不同障碍物场景中对所提出的算法进行仿真实验验证。仿真实验结果表明,移动机器人使用所设计算法能够顺利完成导航避障和局部路径规划仿真任务,改进后的算法在各场景中有更好的表现。