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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种基于深度强化学习的多智能体自主决策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：CN117010476B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311015815.2，技术领域涉及：G06N3/092；该发明授权一种基于深度强化学习的多智能体自主决策方法是由王帅;蔡子阳;林峰设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本一种基于深度强化学习的多智能体自主决策方法在说明书摘要公布了：本发明公开一种基于深度强化学习的多智能体自主决策方法，应用于多智能体深度强化学习技术领域，针对现有技术在决策过程中未能充分地使用经验数据的问题；本发明通过收集智能体与环境交互生成的经验，以及奖励重塑模块优化环境即时奖励，缓存于本地经验回放池中；然后合并本地经验回放池中的历史经验数据到全局经验回放池PT‑Buffer中，并使用二级优先经验队列进行维护；通过概率求和树从PT‑Buffer采集训练样本数据，来求解目标策略网络和全局Critic网络模型；最后采用更新后的自主决策模型，根据输入的环境局部观测信息直接实现多智能体的自主决策，从而完成相关的多智能体任务。

本发明授权一种基于深度强化学习的多智能体自主决策方法在权利要求书中公布了：1.一种基于深度强化学习的多智能体自主决策方法，其特征在于，应用场景包括：地图、地图中心的夺控点、己方智能体、敌方智能体；己方智能体与敌方智能体拥有相同型号和数量的坦克、战车和步兵，以夺取控制的夺控点为任务；决策方法包括以下步骤： S1、使用一个公共的神经网络作为目标策略网络Target-Actor、每个智能体的策略网络Actor，并通过硬编码的方式将智能体的编号及类型作为区分智能体的环境信息提供给目标策略网络Target-Actor进行训练学习，目标策略网络Target-Actor为不同的智能体生成不同的对抗策略； 每个智能体的策略网络Actor通过对环境的局部观测信息oi进行决策，输出相应的动作分布和动作ai，同时环境对智能体的动作产生即时奖励 S2、奖励重塑模块对即时奖励进行重塑，得到Rt；奖励重塑模块的计算公式为： 其中，Rt为t时刻重塑的环境即时奖励；为t时刻环境的即时奖励；为t时刻智能体的内部即时奖励，计算公式表示为： 其中为t时刻智能体i的内部即时奖励，其计算公式为： 其中为t时刻智能体i的剩余弹药数；为t时刻敌方智能体的数量；η为控制距离因子对内部即时奖励影响的超参数；di,t为t时刻智能体i与夺控点间的距离；ε′为大于0的极小值； S3、根据重塑后的Rt，得到智能体与环境的交互产生的经验数据；并基于二级经验队列的全局经验回放池PT-Buffer来存储和维护每个智能体的历史经验数据；全局经验回放池PT-Buffer包括二级经验队列PT1和PT2，使用全局经验回放池PT-Buffer存储历史经验数据时，将经验τi的时间差分误差δi，即评价网络的当前Q值和目标Q值的差和经验的使用次数构成自身的优先级TD-N；由此得到历史经验τi＝[St,At,Rt,S′t+1,A′t+1]|t＝i的优先级Pi： 其中i∈[1,k]； S4、通过概率求和树从全局经验回放池PT-Buffer中采集训练样本数据； S5、根据步骤S4得到的训练样本数据对目标策略网络和全局评价网络进行训练； S6、将训练得到的目标策略网络参数同步到每个智能体的策略网络Actor。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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。