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！

龙图腾网获悉南京信息工程大学申请的专利基于深度强化学习的大规模敏捷软件项目调度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：CN116342064B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310322032.2，技术领域涉及：G06Q10/10；该发明授权基于深度强化学习的大规模敏捷软件项目调度方法是由申晓宁;毛鸣健;徐继勇;陈文言;姚铖滨设计研发完成，并于2023-03-29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大规模敏捷软件项目调度方法在说明书摘要公布了：本发明公开了基于深度强化学习的大规模敏捷软件项目调度方法，包括：初始化大规模敏捷软件项目调度环境中敏捷软件项目和人力资源的状态信息；建立基于深度强化学习的大规模敏捷软件项目调度决策模型，产生调度方案进行调度；采集调度过程中产生的轨迹信息，存放到经验回放池并更新所有轨迹优先级；经验回放池中的轨迹数量达到要求时，按优先级批量采样轨迹对调度决策模型参数进行训练；利用训练好的调度决策模型生成更优的调度方案进行调度；若所开发用户故事总价值稳定，则输出最优调度方案。本发明针对敏捷软件开发过程中出现的随机动态事件或不确定因素，能及时根据环境状态的变化生成最优的调度方案。

本发明授权基于深度强化学习的大规模敏捷软件项目调度方法在权利要求书中公布了：1.基于深度强化学习的大规模敏捷软件项目调度方法，其特征在于，包括以下步骤： S1：初始化大规模敏捷软件项目调度环境中敏捷软件项目和人力资源的状态信息； S2：建立基于深度强化学习的大规模敏捷软件项目调度决策模型，产生调度方案进行调度； S3：采集调度过程中产生的轨迹信息，存放到经验回放池中并更新所有轨迹优先级； S4：当经验回放池中的轨迹数量达到要求时，按优先级批量采样轨迹对调度决策模型参数进行训练； S5：利用训练好的调度决策模型生成更优的调度方案进行调度； S6：若开发用户故事总价值还未稳定，则在更优调度方案的调度过程中继续采集优先级更高的轨迹替换原先经验池中优先级低的轨迹，增强调度决策模型的参数训练效果；若所开发用户故事总价值稳定，则输出最优调度方案； 根据用户的需求，敏捷软件项目被描述为个用户故事，，构成待开发用户故事集合，且用户故事包括的属性值有故事点、价值点和工作量； 其中，所述用户故事的故事点是对用户故事大小和复杂度的无单位估算值，用户故事的价值点是对用户故事市场收益的无单位估算值，用户故事的工作量表示完成用户故事需要花费的时长，单位是小时； 所述基于深度强化学习的大规模敏捷软件项目调度决策模型的建立过程为： 深度强化学习建模为一个由四元组表示的马尔可夫决策过程； 其中， 表示有限的状态集合 式中，表示第个冲刺结束后所分配完整用户故事的完成率，表示第个冲刺结束后所分配用户故事工作量的完成率，表示第个冲刺结束后所有团队完整用户完成率的平均值，表示第个冲刺结束后所有团队完整用户故事完成率的标准差，表示第个冲刺结束后所有团队工作量完成率的平均值，表示第个冲刺结束后所有团队工作量完成率的标准差，表示第个冲刺结束后所有团队时间利用率的平均值，表示第个冲刺结束后所有团队时间利用率的标准差，表示第个冲刺结束后所有团队员工时间利用率的平均值，表示第个冲刺结束后所有团队员工时间利用率的标准差； 表示有限的动作集合 式中，针对大规模敏捷软件项目调度的三个决策变量设计了7个通用的调度规则，对三个决策变量的7个通用调度规则进行组合，得到了12个复合调度规则构成动作集合； 表示执行动作后的奖励函数，是智能体在当前冲刺状态下执行动作规则后的即时奖励，是智能体进行学习改善策略的重要指引信号，奖励函数表示为第个冲刺结束后完成的完整用户故事总价值； 是衰减因子，取值在之间，表示后续决策对当前状态执行动作的重要程度； 智能体在第个冲刺结束后的状态下，选择动作； 调度环境中的用户故事和任务被分配，员工的剩余工作时长减少，完成的完整用户故事增加； 第个冲刺结束后，环境给予智能体奖励，环境状态会更新为，表示为。

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信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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。