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！

龙图腾网获悉北京理工大学申请的专利一种基于自主反思和逆向注意力的多智能体协同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：CN120688539B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510796287.1，技术领域涉及：G06N3/006；该发明授权一种基于自主反思和逆向注意力的多智能体协同方法是由邬霞;李秀星;张众;李晴;李子遇设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种基于自主反思和逆向注意力的多智能体协同方法在说明书摘要公布了：本发明具体公开了一种基于自主反思和逆向注意力的多智能体协同方法，涉及人工智能技术领域。该方法首先通过智能体间状态感知与信息共享，构建全局信息图以获取任务动态。接着，通过自主反思机制，依据任务完成度、资源消耗和决策执行时间等指标评估历史决策行为价值，标记并优化低效决策，引入元学习生成优化规则，同时检测环境变化优化策略。然后，利用逆向注意力机制对智能体间动态依赖关系建模，构建权重矩阵，为低优先级任务分配资源并管控资源分配。最后，智能体执行任务并评估任务完成效率、资源消耗和协作表现，评估结果用于优化下一轮策略。本发明采用上述的方法，提高了智能体的协同效率，优化了资源分配，增强了智能体的自主决策能力。

本发明授权一种基于自主反思和逆向注意力的多智能体协同方法在权利要求书中公布了：1.一种基于自主反思和逆向注意力的多智能体协同方法，其特征在于，包括以下步骤： 步骤S1、智能体间的状态感知与信息共享：智能体通过传感器获取自身及环境的状态信息，构建状态向量和环境状态，利用通信网络实时共享信息，构建全局信息图，其中V={1,2,...,N}，为智能体集合，N为正整数； 步骤S2、构建自主反思机制：智能体定期评估历史决策的行为价值，根据行为价值标记策略中的低效部分，通过反思模块Ri对策略进行自适应优化，并引入元学习能力生成策略优化规则，实时检测环境变化优化当前策略； 步骤S3、构建逆向注意力机制：对动态依赖关系进行全局建模，通过图神经网络GNN优化，利用逆向注意力机制，构建权重矩阵，动态调整资源分配量； 步骤S4、任务执行与评估：智能体根据优化后的策略执行任务，将执行过程中的状态反馈至全局信息图，通过任务评估模块记录任务完成效率、资源消耗和智能体协作表现，评估结果用于优化下一轮策略； 在步骤S1中，状态向量公式如下： ； 其中，为第i个智能体在t时刻的状态向量，为第i个智能体在t时刻的位置，为第i个智能体在t时刻的速度，为第i个智能体在t时刻的能耗，为向量转置符号； 环境状态表示为所有满足第i个智能体和第j个智能体在时间t能够协作的有序对i，j的集合，其中，，； 在步骤S2中，行为价值计算公式如下： ； 其中，为第i个智能体的行为价值，，，为权重系数，为第i个智能体的任务完成度，为第i个智能体的资源消耗，为第i个智能体的决策执行时间，h为历史决策索引； 低效部分表示为策略中与关联且小于的部分； 其中，是价值阈值；通过反思模块对智能体的策略进行自适应优化，计算公式如下： ； 其中，为第i个智能体反思后的新策略，为第i个智能体反思前的旧策略； 在步骤S3中，动态依赖关系的计算公式如下： ； 其中，为第i、j个智能体的动态依赖关系，和为权重系数，为第n个任务在时刻t的优先级，为第n个任务在时刻t的资源需求； 通过图神经网络GNN对其进行优化，GNN的节点嵌入更新公式为： ； 其中，和为权重矩阵，为第i个节点在第k+1层t时刻的嵌入向量，为第i个节点在第k层t时刻的嵌入向量，为第j个节点在第k层t时刻的嵌入向量，为激活函数，为偏置项，k为GNN的层数； 将节点的嵌入向量不断更新来实现动态调整，利用逆向注意力机制，构建权重矩阵，公式如下： ； 其中，为智能体i对智能体j的逆向注意力权重，公式如下： ； 其中，为第i、l个智能体的动态依赖关系。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。