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！

龙图腾网获悉湖南大学申请的专利基于多智能体强化学习的异构多机系统动态任务调度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：CN118885274B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411055024.7，技术领域涉及：G06F9/48；该发明授权基于多智能体强化学习的异构多机系统动态任务调度方法是由方遒;曾魁;卢弘;毛建旭;王耀南设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本基于多智能体强化学习的异构多机系统动态任务调度方法在说明书摘要公布了：一种基于多智能体强化学习的异构多机系统动态任务调度方法，包括：1、输入任务信息，将所有任务分解为可供单机器人执行的具有不同能力要求的多个原子任务；2、建立粘连效用评估模型和异构优先级，创建数学优化模型；3、建立局部感知域模型，并基于调度决策点的顺序决策过程，建立马尔科夫决策模型；4、搭建异构多机系统调度环境，结合多种高级训练策略，在环境和智能体的交互中，学习出针对异构多机任务调度的深度强化学习求解器；5、通过深度强化学习求解器，对调度实例在每一调度决策点顺序输出动作，得到动态调度方案。本发明能够对动态事件以插入动态调度决策点的方式处理任务执行过程中的不确定性，实现快速鲁棒的动态任务调度。

本发明授权基于多智能体强化学习的异构多机系统动态任务调度方法在权利要求书中公布了：1.一种基于多智能体强化学习的异构多机系统动态任务调度方法，其特征在于，具体包括如下步骤： S1、输入任务信息，根据任务复杂度和约束关系将所有任务分解为可供单机器人执行的具有不同能力要求的多个原子任务，并建立约束关系矩阵； S2、输入机器人信息，根据机器人在能力、速度和尺寸三个维度上的区别以及约束关系矩阵，建立粘连效用评估模型和异构优先级，并进一步创建以最大化粘连效用和为目标函数的数学优化模型； S3、基于机器人特征建立局部感知域模型，并基于调度决策点的顺序决策过程，建立马尔科夫决策模型； S4、基于以上建模和深度强化学习范式，搭建异构多机系统调度环境，结合多种高级训练策略，在环境和智能体的交互中，学习出针对异构多机任务调度的深度强化学习求解器； S5、通过深度强化学习求解器，考虑动态任务变动和机器人故障，对调度实例在每一调度决策点顺序输出动作，得到动态调度方案； 粘连效用评估模型具体如下： 式中，Uij代表机器人i完成原子任务j的直接效用，代表机器人i完成被分配的所有原子任务后获得的粘连效用；αij代表分配给机器人i的原子任务j的硬约束满足情况；βij代表将原子任务j分配给机器人i时软约束满足情况；Ji代表分配给机器人i的所有原子任务的集合。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。