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！

龙图腾网获悉天津大学申请的专利一种无人夹抱车强化学习规控算法的评价网络设计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：CN120046690B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510103088.8，技术领域涉及：G06N3/092；该发明授权一种无人夹抱车强化学习规控算法的评价网络设计方法是由宋康;陈云;张连会;贾岚博;刘志强;谢辉设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种无人夹抱车强化学习规控算法的评价网络设计方法在说明书摘要公布了：本发明公开了一种无人夹抱车强化学习规控算法的评价网络设计方法，本发明通过高质量离线正样本融入评价网络的训练过程中，加速强化学习规控算法收敛并减少试错探索时间以提升作业效率；同时构建专门的评价网络融合层，依据离线正样本可信度与在线训练可信度动态调整权重，将离线正样本信息与在线训练特征融合，充分挖掘其有效作业策略，增强评价网络准确性与稳定性，最终实现整个强化学习规控算法性能的显著提升，有效推动无人夹抱车在复杂物流环境中的高效、精准作业。

本发明授权一种无人夹抱车强化学习规控算法的评价网络设计方法在权利要求书中公布了：1.一种无人夹抱车强化学习规控算法的评价网络设计方法，其特征在于，包括以下步骤： 步骤1，分析并确定无人夹抱车作业场景S，确定不同作业场景下的数据类型D和数据类型的重要性权重w； 步骤2，根据步骤1确定的作业场景S和数据类型D，多渠道采集无人夹抱车离线正样本，合并形成总的离线正样本集合P，对离线正样本集合P预处理； 步骤3，对预处理后的离线正样本集合P中每个样本pi进行清理和归一化，得到提取每个样本特征向量合并得到总的离线正样本特征向量 步骤4，搭建评价网络：采用多层全连接神经网络搭建评价网络基础架构，依次设计输入层、隐藏层、融合层和输出层，所述融合层采用融合策略，将离线正样本特征向量和学习规控算法输出的在线新样本特征向量进行融合，得到融合特征向量 步骤5，采用步骤3的离线正样本特征向量预训练评价网络，选择并初始化强化学习规控算法，更新评价网络参数，再采用融合特征向量对评价网络进行在线训练，并构建损失函数使用Adam优化器反向传播损失，通过计算评价网络预测的在线新样本中每一个样本的状态价值与无人夹抱车实际获得奖励之间的误差Eerr，持续监测训练后的评价网络的预测能力，通过计算策略函数的熵Hπ，监测强化学习规控算法的收敛情况，为强化学习规控算法提供价值评估与策略指导；所述Adam优化器的更新公式为其中，θt为评价网络参数，η为评价网络学习率，和为修正后的梯度的一阶矩和二阶矩估计，∈为防止分母为零的小常数； 其中，mt为一阶矩估计，mt＝β1mt-1+1-β1gt，β1是一阶矩估计的衰减率；vt为二阶距估计，β2是二阶矩估计的衰减率，gt为评价网络参数θt的梯度， 用步骤4融合特征向量在线训练评价网络，采用基于策略梯度的损失函数结合价值计算误差其中，表示期望，Rt为时刻t的奖励，γ为折扣因子，为时刻t的状态向量，为时刻t的动作向量，V·为状态价值，为策略函数，并通过Adam优化器方向传播损失，更新评价网络的参数； 所述误差用该误差持续监测评价网络的预测能力，其中，为评价网络预测的在线新样本中的每个样本的状态向量，Rnew,i为设定的在线新样本中每个样本的奖励，通过计算策略函数的熵的变化，来调控强化学习规控算法的收敛情况。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。