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！

龙图腾网获悉西南大学申请的专利一种基于最优反例和障碍函数的安全深度强化学习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：CN119721177B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411843797.1，技术领域涉及：G06N3/092；该发明授权一种基于最优反例和障碍函数的安全深度强化学习方法是由李晨麟;曾霞;赵恒军;刘志明设计研发完成，并于2024-12-14向国家知识产权局提交的专利申请。

本一种基于最优反例和障碍函数的安全深度强化学习方法在说明书摘要公布了：本发明公开了一种基于最优反例和障碍函数的安全深度强化学习方法，该方法包括以下步骤，利用标准化流技术，构造基于反例样本分布的非负的未标准化的目标概率分布函数，基于该目标分布训练标准化流模型；使用训练好的标准化流模型进行反例样本的采样；将生成的反例样本，用于引导障碍函数网络进行更加精细化的修正训练，通过不断生成并补充反例样本，进行深度强化学习训练，最终学习到正确障碍函数。与现有技术相比，本发明通过最优反例样本生成技术，优化了障碍函数和强化学习的归纳迭代训练效率，并且提高了形式化验证的效率。

本发明授权一种基于最优反例和障碍函数的安全深度强化学习方法在权利要求书中公布了：1.一种基于最优反例和障碍函数的安全深度强化学习方法，其特征在于：该方法包括以下步骤： 步骤A，利用标准化流技术，构造基于反例样本分布的非负的未标准化的目标概率分布函数，基于该目标分布训练标准化流模型； 进行标准化流模型的训练方法如下， a.根据具体的受控约束连续动力系统，设置系统的状态空间的全域取值范围、初始区域和不安全区域的范围，以及设置系统的动力学方程组； b.构造三组满足反例样本分布的非负的未标准化的目标概率分布函数，分别对应初始域约束，非安全域约束和lie导数约束上反例样本的分布情况； 所述三组目标概率分布函数分别为和其相应的对数概率如下， 式中：α～Uniform0,1,constantc1,c20,λx是辅助函数，Gx是范围函数，使得概率分布函数只关注目标范围内的概率分布情况，Bx为障碍函数； c.进行第一阶段的冷启动训练，训练出相对正确的候选控制器和候选障碍函数，以及对应的标准化流模型； 步骤B，使用训练好的标准化流模型进行反例样本的采样，所述反例样本包含最违反条件约束的反例样本数据； 步骤C，将生成的反例样本，用于引导障碍函数网络进行更加精细化的修正训练，通过不断生成并补充反例样本，进行深度强化学习训练，最终学习到正确障碍函数。

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西南大学，其通讯地址为：400715 重庆市北碚区天生路2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。