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！

龙图腾网获悉山西大学申请的专利一种基于深度强化学习的网络无环全覆盖路径集选择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：CN116599886B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310576565.3，技术领域涉及：H04L45/00；该发明授权一种基于深度强化学习的网络无环全覆盖路径集选择方法是由胡治国;李志栋;郝志强;刘志胜;席志琴;秦雪健;杨永杰设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于深度强化学习的网络无环全覆盖路径集选择方法在说明书摘要公布了：本发明属于网络测量技术领域，具体涉及了一种基于深度强化学习的网络无环全覆盖路径集选择方法，具体包括：根据路径集的大小和冗余度建立优化目标，然后根据边缘节点特性、全覆盖特性和无环特性建立约束，得到网络全覆盖路径集选择模型；将网络全覆盖路径集选择模型转化为马尔可夫决策过程，确定状态空间、动作空间和奖励信号函数；采用Actor‑Critic算法训练一个路径生成策略，并采用mask机制保证生成的路径的无环性；训练完成后，根据actor网络逐步生成路径，得到网络全覆盖路径集；本发明方法生成的网络全覆盖路径集不仅拥有较低的冗余度，并且生成的网络全覆盖路径集中的路径不包含环，从而降低部署难度和部署开销，并提高了网络测量的效率。

本发明授权一种基于深度强化学习的网络无环全覆盖路径集选择方法在权利要求书中公布了：1.一种基于深度强化学习的网络无环全覆盖路径集选择方法，其特征在于，包括： 步骤一：根据路径集的大小和冗余度建立优化目标，然后根据边缘节点特性、全覆盖特性和无环特性建立约束，得到网络全覆盖路径集选择模型； 步骤二：将网络全覆盖路径集选择模型转化为马尔可夫决策过程，确定状态空间、动作空间表示，并根据路径集的冗余度设计奖励信号函数； 步骤三：采用Actor-Critic算法训练一个actor网络和critic网络，actor网络根据当前生成的路径选择下一条链路，然后采用mask机制保证生成的路径的无环性；critic网络通过actor网络与环境交互收集的数据学习一个价值函数，进而帮助actor网络进行策略更新； 步骤四：训练完成后，智能体通过actor网络逐步生成路径，当整个网络被覆盖时，得到网络全覆盖路径集； 其中，步骤一中所述的优化目标为最小化路径集P的大小与网络G关于路径集P的冗余度之和，对应的优化目标表达式为： 其中，P表示所生成的路径的集合；α、β为平衡因子；表示网络G关于路径集P的冗余度，的表达式如下： 其中，V为网络G的节点集合，为链路luv关于路径集P的冗余度，的表达式如下： 其中，表示如果节点u和节点v之间存在链路相连，并且路径pi包含链路luv，则否则 步骤二中所述的奖励信号函数的表达式如下： 其中，M表示当前正在构建的路径集，表示网络G的边缘节点集合，表示网络G被路径集M所包含的链路集合，LG表示网络G的链路集合； 步骤三中所述的mask机制是指对actor网络输出的下一条链路被选择的概率分布pθst进行mask处理，保证选择的下一条链路与当前构建路径形成的新路径不包含环，从而获得所有的有效链路的概率分布最后重新归一化其表达式如下： 其中，为概率分布的第i个分量，Eva表示与当前构建的路径相连并且不构成环的链路的集合；为概率分布pθst的第i个分量，表示基于当前的路径生成方案选择第i条链路的概率。

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山西大学，其通讯地址为：030000 山西省太原市小店区坞城路92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”。