室内火灾复杂多变,在应对完全未知的复杂室内环境时,传统人工势场法因为自身缺陷很难成功完成路径规划的任务。近年来,深度学习和强化学习在不断的向前发展,用深度强化学习的方法来实现智能体路径规划任务一直是前沿热点研究。传统的人工势场法应用到复杂的、未知的环境时,会因为目标不可达或局部极值点等原因导致寻路失败。而深度强化学习是通过让智能体在不断“犯错”的过程中,学习到相关躲避障碍物以及寻找目标点的策略,最终获得一条最优路径。因此本课题开展了基于深度强化学习优化的传统路径规划算法人工势场法研究问题。论文主要研究如下:（1）本文利用深度强化学习来优化人工势场法,并根据深度强化学习分类的不同,分别提出了基于策略的人工势场优化方法（DDPG-APF）和基于值的人工势场优化方法（DQN-APF）。设计特殊的奖励函数,当智能体在势场中陷入困境时,通过不断给予智能体负奖励值来引导智能体脱离困境;针对不同规模场景下的深度强化学习优化人工势场法（DRL-APF）算法需要重复训练,消耗大量算力的情况下,本文提出在DRL-APF算法中引入迁移学习的机制,将大规模场景拆分成若干个小规模场景,通过小规模场景的学习将所学策略运用到大规模场景中,来提高DRL-APF算法的训练效率。（2）实验选取黑龙江省哈尔滨市地理信息产业园为研究区域进行环境仿真实验,结果表明:两类优化算法均可在复杂环境中实现路径规划;2个随机障碍物环境下,基于策略的优化方法（DDPG-APF）规划完整路径所需时长要比基于值的优化方法（DQN-APF）少13.2秒,效率高出24.4%;为证明算法的泛化性,将随机障碍物分别增加到4个和6个时,DDPG-APF规划完整路径所需时长分别比DQN-APF少7.2秒、10.1秒,效率高出11.7%、15.9%,这表明两个优化算法均有较好的泛化能力。（3）进行了不同规模场景下引入迁移学习前后的DRL-APF算法路径规划训练效率实验,实验表明在未引入迁移学习前,在60m*90m、70m*70m两个场景下训练智能体,40000回合奖励值仍未收敛,而引入迁移学习后,两个场景中智能体获得的奖励值均在20000回合之前收敛。证明了本文在DRL-APF算法中引入迁移学习的可行性。