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！

龙图腾网获悉中国海洋大学申请的专利一种基于人类指导的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：CN119990246B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510466976.6，技术领域涉及：G06N3/092；该发明授权一种基于人类指导的多智能体深度强化学习方法是由张文乐;冯子骞;陈波波;杨睿设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本一种基于人类指导的多智能体深度强化学习方法在说明书摘要公布了：本发明提供了一种基于人类指导的多智能体深度强化学习方法，首先，构建多智能体值分解框架，初始化多智能体环境和每个智能体的状态，创新性地融合人类干预的弹性策略更新，将人类干预生成的高质量经验样本存入独立回放池，并与智能体自主探索生成的样本按优先级混合采样；在策略优化目标中最大化熵以鼓励探索，并通过目标熵动态调整熵系数；循环执行智能体与环境的交互、经验保存、策略网络和价值网络更新步骤，最终根据结合了价值函数分解技术的多智能体软演员评论家架构得到智能体的贪婪策略，作为输出策略。通过人类主动干预与值分解技术，实现多智能体协作任务的高效、安全训练，将人类干预样本与自主探索样本混合训练，加速策略优化。

本发明授权一种基于人类指导的多智能体深度强化学习方法在权利要求书中公布了：1.一种基于人类指导的多智能体深度强化学习方法，其特征在于，包括以下过程： S1，构建多智能体值分解框架，初始化多智能体环境和每个智能体的状态，同时，初始化价值函数分解网络，通过价值函数网络以及策略网络得到的全局动作值函数，通过非线性单调混合网络合成全局值，确保满足个体-全局最大化原则； S2，人类实时监控与干预；人类通过可视化交互界面实时监控智能体的局部观测、动作选择和环境状态；当人类认为智能体动作效率低于预设值或存在风险时，通过交互界面输入替代动作，覆盖智能体原始动作，并将干预经验存入独立回放池； S3，将人类干预生成的高质量经验样本存入独立回放池，并与智能体自主探索生成的样本按优先级混合采样；优先级由时序差分误差动态分配； S4，在策略优化目标中最大化熵以鼓励探索，并通过目标熵动态调整熵系数；通过优化损失函数更新策略网络，确保智能体在探索与利用之间找到平衡； S5，循环执行智能体与环境的交互、经验保存、价值网络、策略网络更新步骤，直到满足预设终止条件；最终根据结合了价值函数分解技术的多智能体软演员评论家架构得到智能体的贪婪策略，作为输出策略。

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中国海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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”。