买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜桂林电子科技大学申请的专利一种基于集成的合作多智能体深度强化学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116468107B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310453463.2，技术领域涉及：G06N3/092；该发明授权一种基于集成的合作多智能体深度强化学习方法是由徐鼎;赵岭忠设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于集成的合作多智能体深度强化学习方法在说明书摘要公布了：本发明公开了一种基于集成的合作多智能体深度强化学习方法,包括如下步骤：步骤1、演员评论家网络或者动作值网络的初始化；步骤2、获取局部观察；步骤3、合作多智能体系统在环境中的决策；步骤4、抽取转移样本；步骤5、训练演员评论家网络或者动作值网络；步骤6、重复步骤2‑5，直至训练结束。这种方法为每个智能体集成多个策略网络或者动作值网络，使得智能体依据能多个策略网络或者动作值网络集成的输出进行决策，以提升智能体决策的鲁棒性。该方法为集成的多个策略网络或者动作值网络使用不同的样本训练进行训练，保证了它们的多样性。有效提升智能体决策的鲁棒性，同时还具有良好的适用性。

本发明授权一种基于集成的合作多智能体深度强化学习方法在权利要求书中公布了：1.一种基于集成的合作多智能体深度强化学习方法，其特征在于：方法包括以下步骤：步骤1、演员评论家网络或者动作值网络的初始化：为每个智能体集成多个演员评论家网络或者动作值网络，并随机初始化网络参数；步骤2、获取局部观察：每个智能体从环境中获取各自的局部观察；步骤3、合作多智能体系统在环境中的决策；步骤4、抽取转移样本：从经验缓冲区为每个智能体集成的多个演员评论家网络或者动作值网络抽取转移样本，用于每个演员评论家网络或者动作值网络的转移样本都是独立且随机抽取的；步骤5、训练演员评论家网络或者动作值网络：使用抽取出的转移样本，依次训练所有的训练演员评论家或者动作值网络；步骤6、重复步骤2-步骤5，直至训练结束；其中，每个智能体的内部都集成了多个策略网络或值网络，集成模块将这些网络的输出集成为一个总体的动作概率分布或动作值；合作多智能体与环境交互时，每个智能体根据环境的全局状态获取局部观察，并将局部观察输入到自己的多个策略网络或值网络，输出多个动作概率分布或动作值；采用ACW或OAV集成方法对多个动作概率分布或动作值进行集成，得到集成的动作概率分布或动作值，智能体依据该集成结果进行动作采样或ε-greedy动作选择；所有智能体选择的动作构成一个联合动作使环境转移到下一个状态，每个智能体均获得环境反馈的团队奖励，重复以上过程直到本回合结束；每个智能体集成的多个策略网络或值网络使用同一个经验缓冲池中的转移样本进行训练，但每个网络独立地从经验缓冲池中随机抽取各自用于训练的转移样本；由于每个策略网络或值网络训练时使用的样本大概率不同，使得这些网络之间存在多样性，当某个策略网络或值网络无法输出正确的动作概率分布或动作值时，智能体可依据其他网络输出的正确信息进行决策。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。