1.一種基于自適應權重強化學習的六足機器人避障方法，其特征在于，包括如下步驟：

步驟1，由六足機器人通過測距傳感器測量機器人與前側、左側以及右側三個方向上的障礙物距離，并通過模糊隸屬度函數將測量的障礙物距離轉化為有限的狀態集合；

步驟2，根據有限的狀態集合建立六足機器人避障模型，再利用自適應權重強化學習算法學習出最優網絡模型參數θ*；

步驟3，根據上述學習出的最優網絡模型參數θ*得到六足機器人避障的最優目標策略，由最優目標策略獲得六足機器人在t時刻避障所要采取的動作a_t；

步驟2中，利用自適應權重強化學習算法學習出最優網絡模型參數θ*的具體步驟為：

步驟2.1，根據有限的狀態集合在python中建立六足機器人避障模型；

步驟2.2，設定大循環參數k，且1≤k≤K，K表示終止時刻；

步驟2.3，記錄k時刻六足機器人從環境中獲得的回報值r_k以及k時刻六足機器人的狀態s_k，將樣本(s_k-1,a_k-1,r_k-1,s_k)存入回放存儲中并設置其中a_k-1表示在狀態s_k-1下六足機器人采取的動作，r_k-1表示六足機器人對應獲得的回報值，CIF為對應樣本復雜度指示函數，表示最大的復雜度指示函數中的最大值；

步驟2.4，設定小循環參數m，且m的初始值為1；

步驟2.5，當m≤M時，其中M表示神經網絡訓練的批大小，根據式(3)自適應選擇合適的訓練樣本：

式(3)中，m作為對應樣本編號，P(m)為編號m樣本的采樣概率，ψ為指數隨機因子，CIF為對應樣本復雜度指示函數，指數隨機因子ψ→[0，1]決定采用優先級的程度，當ψ值為0時，為均勻采樣，當ψ值為1時，為優先級采樣；

步驟2.6，計算對應樣本的時間差分誤差δ_m：

式(4)中，r_m為樣本m時六足機器人從環境中獲得的回報值，γ∈[0,1]為折扣因子，s_m+1為s_m的下一個狀態，a_m+1為狀態s_m+1下的動作，θ^-為目標Q值網絡參數，θ為主深度Q值網絡參數；

步驟2.7，計算編號m樣本的重要性采樣權重w_m：

式(5)中，D為回放存儲的容量，P(m)為狀態樣本序列x_m＝(s_m,a_m,r_m,s_m+1)的采樣概率，β為補償系數，表示重要性采樣權重參數中的最大值；

步驟2.8，計算權重變化量：

式(6)中，Δ是權重變化率，初始化為0，表示目標Q值網絡對參數θ的導數；

步驟2.9，根據復雜度指示函數式(7)計算編號m樣本的復雜度；

CIF_m＝RAF(r_m,δ_m)+ηCPF(cn_m+1) (7)

式(7)中，RAF(r_m,δ_m)為樣本回報值的重要性參數，CPF(cn_m+1)被定義為樣本的使用次數的影響參數，為單調遞增的函數，且值域在0到1之間，cn_m+1是樣本對應的使用次數，η為樣本的覆蓋懲罰項的權衡參數；

RAF(r_m,δ_m)的計算公式為：

RAF(r_m,δ_m)＝|δ_m|*RWF(r_m)+τ (8)

式(8)中，τ為一個較小的正數，RWF(r_m)的計算公式為：

CPF(cn_m+1)的計算公式為：

式(10)中，p和q均大于0，且為兩個預設常數；

步驟2.10，m的值自加1，若m≤M，則返回步驟2.5，若m＞M，則結束小循環進入步驟2.11；

步驟2.11，利用隨機梯度下降更新主深度Q值網絡參數，更新公式為：

SGD(θ←θ+λ*Δ,and resetΔ＝0) (11)

式(11)中λ為更新步長，式(12)中y為樣本m對應的理論標記值，Loss(θ；Q,y)為損失函數，式(13)中_θLoss為損失函數Loss(θ；Q,y)對其中的參數θ的導數；

步驟2.12，延遲更新目標Q值網絡參數：

θ^-←θ (14)

式(14)在計算過程中應保持目標Q值網絡參數θ的固定，參數的更新應隔一段時間更新一次；

步驟2.13，六足機器人根據式(15)選擇m時刻目標策略對應的動作a_m為：

式(15)中，s_m表示六足機器人m時刻對應的狀態，π為避障的目標策略，p_m表示選擇這個動作的概率，ε為一個較小的正數；

步驟2.14，k的值自加1，若k≤K，則返回步驟2.3，若k＞K且公式(12)中的Loss(θ；Q,y)的單調減少而收斂到最小值，則結束大循環，得到了最優網絡模型參數θ*。