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！

龙图腾网获悉中山大学申请的专利基于动态图注意力网络和深度强化学习的多智能体编队控制方法、装置和存储介质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：CN120122722B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510623393.X，技术领域涉及：G05D1/695；该发明授权基于动态图注意力网络和深度强化学习的多智能体编队控制方法、装置和存储介质是由杨健敏;龚明;彭志鸿;黄滢;郭栩;王佳惠;杜龙森;吴卓谦;马越;汤钰琳;何浩华;钟健锋设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本基于动态图注意力网络和深度强化学习的多智能体编队控制方法、装置和存储介质在说明书摘要公布了：本发明公开了一种基于动态图注意力网络和深度强化学习的多智能体编队控制方法、装置和存储介质，本发明通过使用图注意力网络和独立近端策略优化模型，能够将多智能体编队作为一个多节点网络进行处理，具体地，对多智能体编队中的特定智能体通过感知外界所得到的观测信息进行处理，得到特定智能体的动作概率分布，实现对特定智能体的控制；在对多智能体编队的控制过程中，聚焦于特定智能体及其邻居节点，因此可以使用部分智能体感知检测到的观测信息来实现对多智能体编队的控制，可以降低对全局信息的需求，有利于提高控制的实时性，降低因部分智能体故障而导致无法控制的可能性，实现对多智能体编队的有效控制。本发明广泛应用于控制技术领域。

本发明授权基于动态图注意力网络和深度强化学习的多智能体编队控制方法、装置和存储介质在权利要求书中公布了：1.一种基于动态图注意力网络和深度强化学习的多智能体编队控制方法，其特征在于，所述基于动态图注意力网络和深度强化学习的多智能体编队控制方法包括至少一个处理过程，任一所述处理过程包括以下步骤： 获取图注意力网络；所述图注意力网络用于对来自于原始节点的待处理数据与邻居节点进行特征聚合处理，获得输出向量； 获取独立近端策略优化模型；所述独立近端策略优化模型包括第一神经网络和第二神经网络，所述第二神经网络用于对所述输出向量进行处理，获得状态值；所述第一神经网络用于对所述输出向量进行处理，获得动作概率分布； 获取第一智能体的观测信息，以所述第一智能体作为所述原始节点，以第二智能体作为所述邻居节点，以所述第一智能体的观测信息作为所述待处理数据，输入到所述图注意力网络和所述独立近端策略优化模型进行处理；所述第一智能体和所述第二智能体为同一多智能体编队中的不同智能体； 设置所述第一智能体的奖励函数；所述奖励函数包括，其中和是调节惩罚强度的系数，表示第一智能体在时刻感知到的全部障碍物的集合，表示第一智能体在时刻与第二智能体的距离，表示第一智能体在时刻与障碍物的距离，表示安全距离；以折扣累积奖励最大化为目标，确定目标动作，所述折扣累积奖励根据所述动作概率分布和所述奖励函数确定；控制所述第一智能体执行所述目标动作。

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山大学，其通讯地址为：510275 广东省广州市新港西路135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”。