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！

龙图腾网获悉上海交通大学申请的专利基于多目标强化学习的时空自适应匹配系统及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：CN120010515B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510166031.2，技术领域涉及：G05D1/46；该发明授权基于多目标强化学习的时空自适应匹配系统及方法是由蔡鸿明;张瑞轩;胡畔;于晗设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本基于多目标强化学习的时空自适应匹配系统及方法在说明书摘要公布了：一种基于多目标强化学习的时空自适应匹配系统，包括：数据融合清洗模块、智能路径规划模块、多目标调度优化模块、自适应任务优化模块和强化学习驱动模块，本发明通过强化学习和多目标优化策略，实现无人机在三维空间中的自适应调度和路径规划，提供智能化的飞行器任务管理，保障复杂空域下的运行安全，符合低空产业对安全与效率的多重要求的同时，降低了对静态规则和专家经验的依赖，能够根据实时反馈和环境变化动态调整策略，具有高度适应性，符合未来低空装备在运行服务、监管和全产业链安全标准化体系中的核心技术要求。

本发明授权基于多目标强化学习的时空自适应匹配系统及方法在权利要求书中公布了：1.一种基于多目标强化学习的时空自适应匹配系统，其特征在于，包括：数据融合清洗模块、智能路径规划模块、多目标调度优化模块、自适应任务优化模块和强化学习驱动模块，其中：数据融合清洗模块在数据接收阶段从多源传感器、用户设备和实时监控系统中接收飞行器的三维坐标、设备状态、任务优先级数据后，使用时空卷积网络STGCN对数据进行清洗和融合，将不同来源的数据标准化处理并剔除异常数据得到一致的时空数据后提取出时空特征并分别输出至三维空间智能路径规划模块、强化学习驱动模块；智能路径规划模块通过栅格划分技术对飞行区域进行三维空间建模，通过改进的A*算法生成初始路径后，通过强化学习进一步优化路径，使飞行器在复杂动态环境中能够实时避障和自适应路径调整；多目标调度优化模块采用NSGA-II多目标优化算法，综合考虑飞行时间、任务优先级、资源消耗形成调度优化方案，通过Pareto前沿分析生成全局最优解集，并结合深度强化学习不断优化调度效率；自适应任务优化模块在任务执行阶段实时监测飞行器状态和任务进度，根据反馈信息通过强化学习技术对路径规划和资源分配策略进行动态调整任务优先级和调度策略；强化学习驱动模块接收数据融合清洗模块和自适应任务优化模块反馈的数据和参数，并为三维空间智能路径规划模块和多目标调度优化模块中的强化学习部分提供算法支持； 所述的改进的A*算法，具体包括： 步骤1、基于三维空间划分栅格模型，将空域划分为等间距的三维栅格，定义栅格单元为，其中：分别为栅格中心点的三维坐标，通过栅格表示空域中飞行器可行驶的空间和障碍物分布，将路径规划问题转化为三维空间的离散化路径搜索问题； 步骤2、构造路径搜索目标是找到路径，使得总代价函数最小，具体为：，其中：是起点到当前节点的实际代价，是当前节点到目标节点的启发式估计代价； 步骤3、结合强化学习对进行动态优化，具体为：，其中：和为调节系数，满足，可根据任务优先级自适应调整，以平衡路径节点的任务优先级与路径代价的影响，是强化学习中的值，表示在节点采取动作后的路径预期代价； 步骤4、在路径更新过程中，Q-learning根据实时反馈调整路径，在时间时刻的环境反馈下，更新每个节点的Q值，具体为：，其中：为学习率，为折扣因子，为在节点处的即时奖励，为当前动作，为下一步的动作，为执行动作后到达的下一节点； 步骤5、通过动态计算任务优先级，并将其融入路径规划的权重调整中，确保飞行器能够优先执行关键任务，同时兼顾资源分配的合理性和路径规划的效率，任务优先级的动态调整基于层次分析法AHP和贝叶斯优化，通过综合评估任务的重要性、飞行器当前状态以及环境变化确定优先级评分。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。