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！

龙图腾网获悉西南科技大学;哈尔滨工业大学;哈尔滨联合飞机科技有限公司申请的专利一种基于深度强化学习-快速探索随机树的路径规划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：CN121028798B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511583085.5，技术领域涉及：G05D1/43；该发明授权一种基于深度强化学习-快速探索随机树的路径规划方法是由周怀芳;霍建文;谭立国;孟月华;初旭;田刚印;刘爽利;张仕靖设计研发完成，并于2025-10-31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-快速探索随机树的路径规划方法在说明书摘要公布了：本发明公开了一种基于深度强化学习‑快速探索随机树的路径规划方法，包括：S1、获取起点和终点；S2、计算候选路径点，并根据Q值在动作状态中选择动作；S3、计算执行动作后的奖励值和新的动作状态；S4、将动作状态、动作、奖励值和新的动作状态储存至经验池，响应于经验池中存储数大于批次大小，则随机选择批次大小的经验值，并通过策略网络更新Q值和时序差分误差；S5、通过均方误差损失更新策略网络参数，根据时序差分误差计算目标网络更新步长；S6、判断已搜索的路径是否到达终点或满足设定的最大路径点搜索个数，若是，则输出当前路径；若否，则返回S2。本发明在提高算法搜索效率的同时，不增加算法搜索时间。

本发明授权一种基于深度强化学习-快速探索随机树的路径规划方法在权利要求书中公布了：1.一种基于深度强化学习‑快速探索随机树的路径规划方法，其特征在于，包括以下步骤： S1、获取起点和终点，初始化深度Q网络的训练参数； S2、根据路径节点树搜索策略计算候选路径点，并根据Q值在动作状态中选择动作； S3、基于当前路径点优劣评价机制的奖励函数，计算执行动作后的奖励值和新的动作状态； S4、将动作状态、动作、奖励值和新的动作状态储存至经验池，响应于经验池中存储数大于批次大小，则随机选择批次大小的经验值，并通过策略网络更新Q值和时序差分误差； S5、通过均方误差损失更新策略网络参数，根据时序差分误差计算目标网络更新步长； S6、判断已搜索的路径是否到达终点或满足设定的最大路径点搜索个数，若是，则输出当前路径；若否，则返回S2； S2中，计算候选路径点的表达式具体为： 式中，S表示动作状态矩阵，Rn表示当前路径点数目，RN表示预设的路径点数目，m表示候选路径点的最大个数，r表示在m个候选路径点中的最后一个路径点，fm表示分别计算m个候选路径点与已搜索的路径累积辐射剂量所构成的矩阵，dosei和dosei+1分别表示已经搜索得到路径中第i个和第i+1个路径点坐标的辐射剂量，R表示已经搜索得到的路径点数目，表示已搜索路径的累积辐射剂量，表示将矩阵中的元素从小到大排序，并且选择前m个元素，表示为已搜索的路径中最后一个路径点doseR到动作状态矩阵中候选点dosej的总累积辐射剂量矩阵，表示动作状态矩阵中个候选路径点到终点的距离矩阵，表示动作状态矩阵中候选点到终点的距离，表示在m个候选路径点中第i个路径点位置坐标，表示终点位置坐标，表示在候选路径点中选择的路径点个数，表示将矩阵中的元素从小到大排序，并且选择前个元素，表示智能体在行走过程中能接受的最大辐射剂量值，obs表示当前路径点周围在单位步长内障碍物数目； S3中，计算执行动作后at的奖励值rt的表达式具体为： 式中，表示归一化函数，表示平均值函数，表示当前路径点坐标在单位步长内的所有路径点坐标，表示当前路径点的坐标。

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南科技大学;哈尔滨工业大学;哈尔滨联合飞机科技有限公司，其通讯地址为：621000 四川省绵阳市涪城区青龙大道59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。