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！

龙图腾网获悉哈尔滨工程大学;上海无线电设备研究所申请的专利一种基于多智能体强化学习的多域联合干扰资源分配方法及系统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：CN119789144B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411961184.8，技术领域涉及：H04W28/02；该发明授权一种基于多智能体强化学习的多域联合干扰资源分配方法及系统是由陈涛;辛祺;雷舒杰;肖易寒;孙冠宇设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于多智能体强化学习的多域联合干扰资源分配方法及系统在说明书摘要公布了：本发明公开了一种基于多智能体强化学习的多域联合干扰资源分配方法及系统，其中方法步骤包括：基于多干扰机协同干扰任务，构建多对多对抗环境模型；基于多对多对抗环境模型，定义多干扰机联合状态空间；基于多对多对抗环境模型，设计多干扰机联合动作空间；基于多干扰机联合状态空间和多干扰机联合动作空间，构造多域信息联合表征的全局奖励函数；基于全局奖励函数，进行最优策略学习；多智能体系统根据学习到的最优策略做出决策。本发明通过采用值分解网络算法，并设计多干扰机联合状态空间、多干扰机联合动作空间和全局奖励函数，实现了对我方多干扰机的干扰波束分配和干扰功率大小的动态调整，从而能够提高对敌方雷达系统的干扰效率和灵活性。

本发明授权一种基于多智能体强化学习的多域联合干扰资源分配方法及系统在权利要求书中公布了：1.一种基于多智能体强化学习的多域联合干扰资源分配方法，其特征在于，步骤包括： 基于多干扰机协同干扰任务，构建多对多对抗环境模型； 基于所述多对多对抗环境模型，定义多干扰机联合状态空间；所述状态要素包括：当前对抗回合n下所有干扰机与雷达的干扰波束分配关系以及干扰功率分配关系； 基于所述多对多对抗环境模型，设计多干扰机联合动作空间；多干扰机联合动作an由当前对抗回合n下所有干扰机采取的动作组合形成； 基于所述多干扰机联合状态空间和所述多干扰机联合动作空间，构造多域信息联合表征的全局奖励函数；全局奖励函数公式为： R＝ω1·Cf+ω2·D+ω3·Jp+ρ·V·β 其中，ω1、ω2、ω3表示权重系数，用于平衡不同目标的重要性；ρ表示满足约束条件的奖励因子，且ω1+ω2+ω3+ρ＝1；β是奖励函数放大倍数；Cf表示整个干扰资源分配方案的干扰机与雷达的频域重合度；D表示整个干扰资源分配方案的干扰机与雷达的总距离；Jp表示整个干扰资源分配方案对雷达接收端的信干比的影响程度；V表示一个表征各约束条件是否满足的奖励项，表达式为： 其中，约束条件条件包括： 空域条件约束，通过定义一个二元变量矩阵K来表征干扰机与雷达的空域位置关系；kji＝1表示干扰机j在雷达i的波束照射范围内，可以被分配干扰该部雷达，kji＝0表示干扰机j不在雷达i的波束照射范围内，无法被分配干扰该部雷达； 干扰波束分配约束，假设每架干扰机最多能同时分配h个波束干扰多部雷达，且每部雷达最多只能被分配一个干扰波束； 干扰功率分配约束，表达式包括： 其中，Pji表示雷达端的SIR；表示干扰机的发射功率；Pj_max表示每部干扰机的最大输出功率；表示一个只能取值“0”或者“1”的二元变量；J表示多波束干扰机的总数； 基于所述全局奖励函数，进行最优策略学习； 多智能体系统根据学习到的最优策略做出决策。

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哈尔滨工程大学;上海无线电设备研究所，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。