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！

龙图腾网获悉西安交通大学申请的专利基于深度强化学习的水下多无人平台协同跟踪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：CN118779073B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202410779527.2，技术领域涉及：G06F9/48；该发明授权基于深度强化学习的水下多无人平台协同跟踪方法及系统是由刘妹琴;郑林垚;陈霸东;兰剑;魏平设计研发完成，并于2024-06-17向国家知识产权局提交的专利申请。

本基于深度强化学习的水下多无人平台协同跟踪方法及系统在说明书摘要公布了：本发明属于水下多传感器目标跟踪技术领域，公开了一种基于深度强化学习的水下多无人平台协同跟踪方法及系统；其中，所述水下多无人平台协同跟踪方法包括：建立获得端到端的水下多无人平台调度算法；建立获得端到端的水下多无人平台数据融合算法；结合建模的马尔可夫决策过程模型，引入深度强化学习中的MAPPO算法同时对多平台调度策略、多平台数据融合策略进行学习，通过环境的反馈评估当前策略的有效性，最终确定当前环境下的最优跟踪策略。本发明能够在有效降低系统能耗的同时显著提升系统的任务执行效率和协同跟踪性能，可提升水下多无人平台在复杂水下目标跟踪环境中的应用性能和系统效率。

本发明授权基于深度强化学习的水下多无人平台协同跟踪方法及系统在权利要求书中公布了：1.一种基于深度强化学习的水下多无人平台协同跟踪方法，其特征在于，包括以下步骤： 利用强化学习将复杂水下环境下的水下多无人平台动态调度问题建模为马尔可夫决策过程模型，并在奖励函数的设计中结合能效优化目标函数和基于虚拟数据法的跟踪性能评估函数，建立获得端到端的水下多无人平台调度算法；其中，所述端到端的水下多无人平台调度算法包括调度任务状态空间、调度任务动作空间、调度任务奖励函数以及多平台调度策略； 利用强化学习将多源动态信息下的水下多无人平台数据融合问题建模为马尔可夫决策过程模型，并在奖励函数的设计中结合基于虚拟数据法的数据融合性能评估函数，建立获得端到端的水下多无人平台数据融合算法；其中，所述端到端的水下多无人平台数据融合算法包括数据融合任务状态空间、数据融合任务动作空间、数据融合任务奖励函数及多平台数据融合策略； 结合端到端的水下多无人平台调度算法以及端到端的水下多无人平台数据融合算法建立过程中建模的马尔可夫决策过程模型，引入深度强化学习中的MAPPO算法同时对多平台调度策略、多平台数据融合策略进行学习，通过环境的反馈评估当前策略的有效性，最终确定当前环境下的最优跟踪策略。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。