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！

龙图腾网获悉中国人民解放军空军工程大学申请的专利一种非专家数据辅助的元强化学习跳频干扰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：CN119865208B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510026442.1，技术领域涉及：H04B1/715；该发明授权一种非专家数据辅助的元强化学习跳频干扰资源分配方法是由许华;饶宁;齐子森;蒋磊;王聃;彭翔;马智远;郭峻佚设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种非专家数据辅助的元强化学习跳频干扰资源分配方法在说明书摘要公布了：本公开实施例是关于一种非专家数据辅助的元强化学习跳频干扰资源分配方法，包括：根据通信对抗场景构建跳频干扰资源分配问题；将跳频干扰资源分配问题建模为马尔可夫决策过程；随机初始化元策略得到初始策略网络；基于MAML算法对初始策略网络进行元训练，其中，元训练包括：在特定任务适应阶段，基于非专家数据，利用强化学习损失函数和行为克隆损失函数对初始策略网络进行优化训练，得到特定任务策略，并计算各干扰任务的强化学习损失；在元优化阶段，最小化所有干扰任务的强化学习损失，并得到优化后的分配策略；根据新的干扰任务对优化后的分配策略进行微调。本公开结合强化学习和行为克隆从非专家数据中提取有用信息，实现高效的策略探索。

本发明授权一种非专家数据辅助的元强化学习跳频干扰资源分配方法在权利要求书中公布了：1.一种非专家数据辅助的元强化学习跳频干扰资源分配方法，其特征在于，包括： 根据通信对抗场景构建跳频干扰资源分配问题； 将所述跳频干扰资源分配问题建模为马尔可夫决策过程； 随机初始化元策略得到初始策略网络； 基于MAML算法对所述初始策略网络进行元训练，所述元训练包括特定任务适应阶段和元优化阶段； 其中，在所述特定任务适应阶段，基于非专家数据，利用强化学习损失函数和行为克隆损失函数对所述初始策略网络进行优化训练，得到特定任务策略，并基于所述特定任务策略计算各干扰任务的强化学习损失； 在所述元优化阶段，最小化所有干扰任务的强化学习损失，并得到优化后的分配策略； 根据新的干扰任务对元训练优化后的分配策略进行微调； 其中，在所述特定任务适应阶段，基于非专家数据，利用强化学习损失函数和行为克隆损失函数对所述初始策略网络进行优化训练，得到特定任务策略，并基于所述特定任务策略计算各干扰任务的强化学习损失，包括以下步骤： 随机采样多个干扰任务，并对每个所述干扰任务循环执行以下步骤： 利用所述初始策略网络与每个所述干扰任务进行交互，得到第一训练数据； 利用所述非专家数据和所述第一训练数据，计算特定任务策略的参数； 根据所述特定任务策略，利用TRPO算法计算各干扰任务的强化学习损失； 其中，所述利用所述非专家数据和所述第一训练数据，计算特定任务策略的参数，包括： 确定所述行为克隆损失函数，公式如下： （2） 其中，表示行为克隆损失函数，表示非专家数据，表示初始策略网络的参数，表示初始策略网络； 其中，在所述元优化阶段，通过公式（4）最小化所有干扰任务的强化学习损失： （4） 其中，表示特定任务策略的参数，表示初始策略网络的参数，表示哈达玛积，表示自适应学习率向量，表示初始策略网络的梯度，表示验证数据。

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人民解放军空军工程大学，其通讯地址为：710038 陕西省西安市灞桥区长乐东路甲字一号；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”。

以上内容由龙图腾AI智能生成。