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！

龙图腾网获悉北京科技大学申请的专利基于强化学习的桥梁群维修优先级动态决策方法及装置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：CN120707104B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510739504.3，技术领域涉及：G06Q10/20；该发明授权基于强化学习的桥梁群维修优先级动态决策方法及装置是由杨雨青;兰成明;刘景涛;李仪;刘鲁齐;时鹏设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于强化学习的桥梁群维修优先级动态决策方法及装置在说明书摘要公布了：本发明提供一种基于强化学习的桥梁群维修优先级动态决策方法及装置，涉及桥梁智慧维护技术领域。该方法包括：构建桥梁网络与道路的拓扑结构；定义桥梁的状态空间、维修动作空间以及状态转移矩阵；定义桥梁的状态对应的可靠度指标，基于拓扑结构，设计基于维修成本、资产风险和交通网络容量损失风险的综合奖励函数；构建桥梁维修决策问题；将桥梁维修决策问题描述为马尔科夫决策过程，采用指针网络建立指针网络策略模型，采用Actor‑Critic算法对指针网络策略模型进行训练，获得基于强化学习的维修决策模型；对基于强化学习的维修决策模型进行训练直至收敛，输出在有限约束下桥梁维修动作排序。采用本发明可解决传统单一桥梁评估的局限性问题。

本发明授权基于强化学习的桥梁群维修优先级动态决策方法及装置在权利要求书中公布了：1.一种基于强化学习的桥梁群维修优先级动态决策方法，其特征在于，所述方法包括： S1、构建桥梁网络与道路的拓扑结构；定义桥梁的状态空间、维修动作空间以及状态转移矩阵； S2、定义桥梁的状态对应的可靠度指标，基于桥梁网络与道路的拓扑结构，设计基于维修成本、资产风险和交通网络容量损失风险的综合奖励函数； 其中，所述基于维修成本、资产风险和交通网络容量损失风险的综合奖励函数通过下述公式1表示： Reward＝CM+RASTλECON+wNETRNETλNET1 其中，RAST表示桥梁状态对应的资产风险，通过下述公式2表示： RAST＝∑pfsCf2 其中，RNET表示桥梁状态对应的桥梁网络交通容量损失风险，通过下述公式3表示： RNET＝∑pc|[F0-Fc]3 其中，Reward表示综合奖励函数；CM表示直接维修成本；λECON表示直接维修成本与资产风险缩放系数；wNET表示桥梁网络交通容量损失风险权重系数；λNET表示直接维修成本与资产风险缩放系数；pfs表示桥梁状态对应的失效概率；Cf表示资产失效成本；pc|s表示桥梁状态对应的桥梁失效组合；[F0-Fc]表示桥梁失效组合下的桥梁网络交通容量损失； S3、根据桥梁的状态空间、维修动作空间、状态转移矩阵以及所述综合奖励函数，构建桥梁维修决策问题； S4、将桥梁维修决策问题描述为马尔科夫决策过程，采用指针网络建立指针网络策略模型，采用Actor-Critic算法对指针网络策略模型进行训练，获得基于强化学习的维修决策模型；对基于强化学习的维修决策模型进行训练直至收敛，输出在有限约束下桥梁维修动作排序，包括： S41、采用指针网络构建指针策略网络模型，将桥梁属性、桥梁的状态和维修动作采输入编码器中生成特征编码；采用解码器整合特征编码、当前桥梁信息和遍历过的部分桥梁编号，通过注意力机制生成权重最大的桥梁和维修动作作为下一步维修的桥梁和桥梁的维修动作；根据桥梁和桥梁的维修动作，计算初步的维修成本； S42、根据指针策略网络模型，构建Actor-Critic网络；其中Actor-Critic网络包括：指针策略网络和价值网络；其中，指针策略网络，用于根据桥梁状态输出桥梁维修优先级和维修动作的策略；其中，价值网络，用于根据桥梁状态和编码器处理后的信息进行状态价值预测； S43、构建优势函数；根据优势函数，构建指针策略网络损失函数以及价值网络损失函数； S44、根据指针策略网络产生的桥梁维修优先级排序进行维修，获得实际奖励值；将实际奖励值和价值网络产生的预估奖励值做均方误差作为优化目标，通过指针策略网络损失函数和价值网络损失函数，采用梯度下降法对Actor-Critic网络进行训练直至收敛，输出在有限约束下桥梁维修动作排序。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。