存在诸多未知的障碍物以及频繁洋流扰动的海洋环境使自主水下航行器(AUV)在航行过程中极易发生碰撞而导致任务的失败, 提高路径规划算法的规划成功率是保证 AUV 安全航行的前提。本文通过将 APF 斥力场叠加原理嵌入双重深度 Q 网络(DDQN)算法框架, 重构智能体状态空间表征方式, 并创新性地设计基于相邻航迹点距离演变的动态奖励机制, 提出一种改进型路径规划算法 APF-DDQN。仿真实验表明, APF-DDQN算法有效避免了 APF 陷入局部最小值的问题, 路径规划成功率达到了 93.88%, 相比于传统的 APF 算法提高了 16.67%, 并且所规划路径的长度更短。新型 APF-DDQN 算法为动态海洋环境下 AUV 路径规划与自主导航提供可靠解决方案。