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！

龙图腾网获悉南京大学申请的专利基于集成强化学习的应急防护场所多目标选址优化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：CN120806557B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511244843.0，技术领域涉及：G06Q10/0631；该发明授权基于集成强化学习的应急防护场所多目标选址优化方法是由李飞雪;鲍兆祥;罗婷瑜;杨星童;吴艺雪;周志杰;吴双;盛思雨设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本基于集成强化学习的应急防护场所多目标选址优化方法在说明书摘要公布了：本发明公开了一种基于集成强化学习的应急防护场所多目标选址优化方法，属场所选址优化领域，包括S1：获取区域内的候选点、需求点数据，构建多目标强化学习问题；S2：进行马尔可夫建模，基于单智能体决策深度强化学习问题；S3：构建集成强化学习架构；S4：对构建的集成强化学习网络进行训练；S5：利用集成强化学习框架得到选址结果，并进行可视化呈现；本发明引入了集成学习策略和自适应优化技术，结合以遥感与地理信息系统核心的空间信息技术，实现了城市应急防护场所多目标选址优化，通过Actor‑Critic网络的聚合增强模型鲁棒性和实用性。

本发明授权基于集成强化学习的应急防护场所多目标选址优化方法在权利要求书中公布了：1.一种基于集成强化学习的应急防护场所多目标选址优化方法，其特征在于：包括以下步骤： S1：获取区域内的候选点、需求点数据，构建多目标强化学习问题； 存在m个需求点，构成集合，其中，表示需求点i； 存在n个候选点，构成集合，其中，表示候选点j，每个候选点都有相应的服务半径； 构建多目标强化学习问题的目标函数为： ， 其中，表示需求点i的人口数量；表示候选点j是否为需求点i提供服务；表示需求点i到候选点j的计算距离；表示需要最大化该目标函数的值； S2：进行马尔可夫建模，基于单智能体决策深度强化学习问题； 进行马尔可夫建模，基于马尔可夫决策过程的单智能体决策深度强化学习问题；并采用五元组S,A,P,R,γ表达； 其中，S表示状态集，A表示动作集，P表示状态转移概率，R表示奖励函数，表示折扣因子； 奖励函数包括：各需求点到最近场所点的距离、各场所点之间重叠区域比例、所有选定场所点能够覆盖的总人口，每一个部分均作了归一化处理，具体为： ， 其中，表示应急防护场所与需求点之间的距离；表示时间t时需求点到与之最近的场所间的距离；m表示需求点数量；表示场景中的最大距离； ， 其中，表示防护服务的重叠率；表示时间t时被多个场所覆盖的需求点的数量，表示时间t时所有场所覆盖的需求点的数量； ， 其中，表示需求点的加权人口数之和；表示时间t时所有场所覆盖的加权人口数量和，表示加权人口总数量； ， 其中，表示最终目标函数；、和表示权重因子； S3：构建集成强化学习架构； S4：对多构建的集成强化学习网络进行训练； S5：利用集成强化学习框架得到选址结果，并进行可视化呈现。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。