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！

龙图腾网获悉清华大学申请的专利智能体强化学习决策方法、装置、电子设备及其存储介质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：CN113780574B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202110994653.6，技术领域涉及：G06N3/092；该发明授权智能体强化学习决策方法、装置、电子设备及其存储介质是由梁斌;杨君;冷舒;芦维宁;陈章设计研发完成，并于2021-08-27向国家知识产权局提交的专利申请。

本智能体强化学习决策方法、装置、电子设备及其存储介质在说明书摘要公布了：本申请属于智能决策技术领域，具体而言，涉及一种智能体强化学习决策方法、装置、电子设备及其存储介质。本方法首先根据被决策问题的多个约束条件建立约束方程，设计数个可显式求解的简单示例并求解并添加合适的奖励函数，得到一系列稀疏奖励的专家知识数据；将专家知识数据放置于DQN的回放缓冲模块中，获得既有专家知识数据又有环境学习数据的改进的回放缓冲模块Ex‑Replaybuffer；智能体和环境交互后，将动作的概率分布输入至动作过滤模块获得合法动作，通过置信度函数确定是否选择过滤后的动作；损失函数中添加自适应项，调整使用动作过滤模块的频率。本方法数据集采集的过程更加高效、便捷,置信度函数可以为智能体选出对应任务的最佳策略。

本发明授权智能体强化学习决策方法、装置、电子设备及其存储介质在权利要求书中公布了：1.一种智能体强化学习决策方法，其特征在于，包括： 构建用于智能体强化学习决策的专家知识数据集合； 构建一个强化学习网络的回放缓冲模块； 对强化学习网络进行训练，得到智能体初步策略及动作； 设定动作过滤模块，对智能体初步策略进行过滤，利用置信度函数确定智能体最终动作； 所述构建用于智能体强化学习决策的专家知识数据集合，利用简单场景下的动作信息和状态信息及人工设定的奖励函数构建专家知识数据集合，包括： 1对于目标方程与约束方程都是线性表示的场景，采用线性规划方法获取智能体的动作信息和状态信息，对于需要迭代求解的场景，采用动态规划方法获取智能体的动作信息和状态信息； 2根据线性规划或动态规划方法，得到N个不同简单场景下的智能体当前的状态信息s、动作信息a、下一时刻状态信息s′以及判断任务是否终止的标识d，将上述信息组成一个知识数据集合； 其中i表示第i个场景下的智能体决策的相关信息； 3为所述知识数据集合中的每一条数据设定一个奖励函数； 4将所述的奖励函数与所述集合合并，构建得到用于智能体强化学习决策的专家知识数据集合； 所述强化学习网络的回放缓冲模块包括两部分，第一部分为固定列表，用于存储专家知识数据，第一部分占回放缓冲模块长度的30％，称作专家数据回放缓冲区；第二部分为先进先出队列，用于存储智能体从环境采集的样本，称作环境数据回放缓冲区。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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。