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！

龙图腾网获悉北京航空航天大学申请的专利基于强化学习的异步智能体多模式激励联合优化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：CN120299255B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510603793.4，技术领域涉及：G08G1/01；该发明授权基于强化学习的异步智能体多模式激励联合优化方法是由马晓磊;刘兵;倪梓睿设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于强化学习的异步智能体多模式激励联合优化方法在说明书摘要公布了：本发明涉及一种基于强化学习的异步智能体多模式激励联合优化方法，首先构建分层智能体架构，上层模型智能体对应多模式交通网络拓扑模型，下层模型智能体对应出行参与者个体，并分别定义了上层模型和下层模型智能体的动作、状态和奖励值；然后以总成本最小为目标通过迭代训练使上层智能体动态调整激励方案，下层智能体响应激励并反馈交通状态变化。本申请能够全面评估激励方案的有效性及其对个体出行决策的影响，并能在出行需求、电动化率、碳交易价格动态变化情景中动态、快速生成出行激励方案。

本发明授权基于强化学习的异步智能体多模式激励联合优化方法在权利要求书中公布了：1.一种基于强化学习的异步智能体多模式激励联合优化方法，其特征在于， S1、构建分层智能体架构，包含上层模型智能体和下层模型智能体； 所述上层模型智能体对应多模式交通网络拓扑模型，动作定义为连续的出行方式转移激励值和低碳路径诱导激励值，状态定义为路段碳排放量、饱和度及通行总时间，奖励值定义为路段出行成本、碳排及预算罚函数的加权和；上层智能体的奖励函数满足以下公式： ； 式中，为上层智能体奖励值，表示上层模型第个智能体，,和为奖励函数的缩放因子，和为权重系数，表示路段的流量，表示第条路段，表示路段索引，表示通勤者种类，表示通勤者出行起点，表示通勤者出行终点，表示流量的成本，表示路段的碳排放量，表示惩罚项系数，表示罚函数；表示道路网内部连接边的数量，表示道路网路段集合； 和分别表示多模式公共交通网络中路段的平均流量和路段平均出行成本；和表示公交和地铁线网中路段平均碳排，表示公共交通网络，表示地面公交网络内部路段，表示地铁线网内部路段； 罚函数基于激励实施前后减排量确定，表达式为： ； 式中，为多模式交通网络每一条路段的长度，为参与者从小汽车出行转向使用公共交通，每公里公共交通出行获得的奖励值，为参与者使用低碳路径出行时，在道路网路段上获得的奖励，表示道路网，表示发生方式转移到通勤者在公共交通网络中路段上产生的流量，表示路段上的奖励值，为碳交易价格，为多模式交通网络中的碳减排量，为奖励值的缩放因子； 碳减排量基于激励实施前后的均衡状态碳排放量差值计算，公式为： ； ； ； 式中，和分别为激励实施前后多模式交通网络达到均衡状态时的碳排放总量，和分别为激励实施前后多模式交通网络达到均衡状态时路段流量，和分别为激励实施前后道路网达到均衡状态时每辆小汽车的碳排放量，和分别为公交和地铁出行的碳排放因子； 所述下层模型智能体对应出行参与者个体，动作定义为离散的出行方式或低碳路径选择决策，状态依赖于上层智能体的激励值，奖励值为个体广义出行成本；下层智能体的奖励函数满足以下公式： ； 式中，表示路径选择指示变量，表示未参与者的出行成本，表示路段上的总流量，表示非激励项目参与者在道路网中路段上产生的流量，表示激励项目参与者在道路网中路段上产生的流量，表示激励项目参与者在公共交通网络中路段上产生的流量，表示非激励项目参与者，表示激励项目参与者，表示参与者使用低碳路径出行的广义出行成本，表示参与者使用公共交通出行的广义出行成本；表示未改变出行路径和出行方式的参与者，表示改变出行路径的参与者，表示改变出行方式的参与者； S2、以总成本最小为目标通过迭代训练使上层智能体动态调整激励方案，下层智能体响应激励并反馈交通状态变化。

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航空航天大学，其通讯地址为：100190 北京市海淀区学院路37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。