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！

龙图腾网获悉福州大学申请的专利基于深度强化学习的能量采集认知物联网资源分配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：CN115712497B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211278767.1，技术领域涉及：G06F9/50；该发明授权基于深度强化学习的能量采集认知物联网资源分配方法是由林瑞全;刘佳鑫;丘航丁;王俊;鲍家旺;王锐亮设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本基于深度强化学习的能量采集认知物联网资源分配方法在说明书摘要公布了：本发明涉及一种基于深度强化学习的能量采集认知物联网资源分配方法，包括：搭建能量采集认知物联网系统模型，并推导出资源分配的数学模型；搭建强化学习模型，将次发射机到次接收机、协作干扰器到窃听节点这两条链路的2m条子信道以及一个能量采集时间分配网络共建模为2m+1个强化学习智能体，能量采集认知物联网中的其他部分为强化学习环境，智能体与环境不断进行交互；构建基于深度强化学习的能量采集认知物联网资源分配模型，并对其进行训练；通过训练好的资源分配模型对认知物联网进行联合能量采集时间和传输功率的最优分配。该方法有利于对能量采集认知物联网资源进行最优分配。

本发明授权基于深度强化学习的能量采集认知物联网资源分配方法在权利要求书中公布了：1.一种基于深度强化学习的能量采集认知物联网资源分配方法，其特征在于，包括： 搭建能量采集认知物联网资源分配模型，并推导出资源分配的数学模型； 构建基于深度强化学习的能量采集认知物联网资源分配模型，将次发射机到次接收机、协作干扰器到窃听节点这两条链路的2m条子信道以及一个能量采集时间分配网络t0共建模为2m+1个强化学习智能体，能量采集认知物联网资源分配模型中除强化学习智能体外的其他部分为强化学习环境，智能体与环境不断进行交互；并对基于深度强化学习的能量采集认知物联网资源分配模型进行训练； 通过训练好的能量采集认知物联网资源分配模型对认知物联网进行联合能量采集时间和传输功率的最优分配； 对基于深度强化学习的能量采集认知物联网资源分配模型进行训练，具体包括以下步骤： S1、生成认知物联网的拓扑结构，初始化每条链路的信道增益，回合训练次数N，经验缓冲池Dk的最大容量Nk，以及决策网络权重参数θk和目标网络权重参数其中 S2、在每个训练回合的开始，随机初始化认知物联网所有节点的位置，更新每条链路的信道增益，设置环境的初始状态为S0； S3、在每个训练回合的第t＝0,1,2,…,Tmax-1个时间步，基于当前环境状态St，每个智能体k获得环境局部观测并根据ε-greedy算法采取动作更新ST和J的电池容量和更新信道增益，当前环境状态St转移到下一状态St+1，智能体k获得下一个局部观测和奖励rt； S4、更新神经网络参数θk和即从Dk中随机抽取设定批量的样本送入决策网络，计算损失函数Lθk，并进行梯度下降最小化Lθk更新参数θk；每间隔M个连续时间步将θk复制给目标网络权重参数 所述步骤S3中，在每个训练回合的第t＝0,1,2,…,Tmax-1个时间步，基于当前环境状态St，每个智能体获得环境局部观测并根据ε-greedy算法采取动作： 式中，智能体的动作空间 ct为能量采集时间系数，L1为离散时间层级，L2为离散功率层级，Q为估计状态-动作价值函数，p为随机生成的概率，ε∈0,1为给定的概率阈值；根据下列公式更新ST和J的电池容量： 其中，分别为ST和J采集到的能量，分别为ST和J的可用电池容量，BsT,max、BST,max分别为ST和J的最大电池容量，为相关时间系数，T为传输块的长度；然后基于瑞利信道衰落模型更新信道增益，环境的当前状态St转移到下一状态St+1＝{Gt,SINRt,Bt-1}，智能体k获得下一个局部观测和奖励： 式中， μ1+μ2+μ3＝1， η1+η2+η3＝1， 0≤μ1,μ2,μ3,η1,η2,η3≤1， 并将状态转移存储到经验缓冲池Dk中，置St+1为当前的状态St。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。