買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)人民解放軍火箭軍工程大學(xué)申請(qǐng)的專(zhuān)利基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法和系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120031100B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510495200.7，技術(shù)領(lǐng)域涉及：G06N3/092；該發(fā)明授權(quán)基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法和系統(tǒng)是由劉延飛;李超;王忠;李琪;王杰鈴;王蓓設(shè)計(jì)研發(fā)完成，并于2025-04-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法和系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法和系統(tǒng)，涉及多智能體決策技術(shù)領(lǐng)域。該方法包括以下步驟：在每個(gè)課程學(xué)習(xí)階段，首先對(duì)智能體進(jìn)行多種群的并行訓(xùn)練，以生成每種角色的多智能體初始種群；隨后，對(duì)初始種群執(zhí)行進(jìn)化種群選擇過(guò)程，以篩選出最優(yōu)種群用于下一課程學(xué)習(xí)的訓(xùn)練，重復(fù)該步驟直到達(dá)到設(shè)定的智能體數(shù)量，結(jié)束該訓(xùn)練過(guò)程。該方法有效解決了傳統(tǒng)課程學(xué)習(xí)中知識(shí)遷移適應(yīng)性差的問(wèn)題，提高了傳統(tǒng)課程學(xué)習(xí)的性能。此外，在最優(yōu)種群選擇過(guò)程中，通過(guò)對(duì)種群進(jìn)化過(guò)程的合理簡(jiǎn)化，實(shí)現(xiàn)了算法訓(xùn)練效率與性能的平衡。

本發(fā)明授權(quán)基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法和系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)方法，其特征在于，所述方法應(yīng)用于基于進(jìn)化課程學(xué)習(xí)的多智能體強(qiáng)化學(xué)習(xí)系統(tǒng)，所述系統(tǒng)包括多種角色的智能體且智能體個(gè)數(shù)不恒定，所述智能體有兩種角色，分別為巡邏無(wú)人機(jī)和送餐機(jī)器人，所述方法包括： 對(duì)第個(gè)學(xué)習(xí)階段系統(tǒng)中的智能體進(jìn)行多次訓(xùn)練，生成每種角色的多個(gè)第個(gè)學(xué)習(xí)階段的初始種群，其中，每種角色的第個(gè)學(xué)習(xí)階段的初始種群包括的智能體數(shù)量為其第個(gè)學(xué)習(xí)階段設(shè)定的智能體數(shù)； 從每種角色的第個(gè)學(xué)習(xí)階段訓(xùn)練的初始種群中選擇適應(yīng)度最好的前個(gè)種群執(zhí)行進(jìn)化操作，得到每種角色的多個(gè)第個(gè)學(xué)習(xí)階段的最優(yōu)種群，其中，每種角色的所述第個(gè)學(xué)習(xí)階段的最優(yōu)種群用于第+1個(gè)學(xué)習(xí)階段的訓(xùn)練學(xué)習(xí)； 確定所述第個(gè)學(xué)習(xí)階段系統(tǒng)的智能體數(shù)量是否小于設(shè)定的最大智能體數(shù)； 若所述第個(gè)學(xué)習(xí)階段系統(tǒng)的智能體數(shù)量不小于所述最大智能體數(shù)，則結(jié)束訓(xùn)練，得到訓(xùn)練好的智能體，其中，訓(xùn)練好的巡邏無(wú)人機(jī)用于巡邏，訓(xùn)練好的送餐機(jī)器人用于送餐； 其中，所述從每種角色的第個(gè)學(xué)習(xí)階段訓(xùn)練的初始種群中選擇適應(yīng)度最好的前個(gè)種群執(zhí)行進(jìn)化操作，得到每種角色的多個(gè)第個(gè)學(xué)習(xí)階段的最優(yōu)種群，包括： 基于選擇概率從每種角色的第個(gè)學(xué)習(xí)階段訓(xùn)練的初始種群中選擇適應(yīng)度最好的前個(gè)種群進(jìn)行競(jìng)爭(zhēng)，得到每種角色的第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群，其中，種群的適應(yīng)度是根據(jù)種群中所有智能體的性能和穩(wěn)定性確定的； 從所述第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群中選擇前個(gè)適應(yīng)度最好的種群進(jìn)行交叉融合操作，得到每種角色的第個(gè)學(xué)習(xí)階段的交叉融合后的種群； 對(duì)所述第個(gè)學(xué)習(xí)階段的交叉融合后的種群進(jìn)行變異操作，得到所述第個(gè)學(xué)習(xí)階段的最優(yōu)種群； 其中，所述從所述第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群中選擇前個(gè)適應(yīng)度最好的種群進(jìn)行交叉融合操作，得到每種角色的第個(gè)學(xué)習(xí)階段的交叉融合后的種群，包括； 從所述第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群中選擇前個(gè)適應(yīng)度最好的種群進(jìn)行組內(nèi)交叉，并執(zhí)行模型重載和經(jīng)驗(yàn)重用操作，得到第個(gè)學(xué)習(xí)階段組內(nèi)交叉后的種群； 對(duì)所述第個(gè)學(xué)習(xí)階段組內(nèi)交叉后的種群進(jìn)行組間交叉，并執(zhí)行模型重載和經(jīng)驗(yàn)重用操作，得到所述第個(gè)學(xué)習(xí)階段的交叉融合后的種群； 其中，所述模型重載操作包括：復(fù)制前個(gè)適應(yīng)度最好的第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群中智能體的模型參數(shù)； 其中，所述經(jīng)驗(yàn)重用操作包括：從所述前個(gè)適應(yīng)度最好的第個(gè)學(xué)習(xí)階段的競(jìng)爭(zhēng)后的種群中抽取前-1個(gè)學(xué)習(xí)階段的經(jīng)驗(yàn)回放數(shù)據(jù)并保存； 其中，每個(gè)智能體內(nèi)均設(shè)置有策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)，所述策略網(wǎng)絡(luò)包括第一編碼網(wǎng)絡(luò)和策略子網(wǎng)絡(luò)，所述價(jià)值網(wǎng)絡(luò)均包括第二編碼網(wǎng)絡(luò)和價(jià)值子網(wǎng)絡(luò)，所述第一編碼網(wǎng)絡(luò)和所述第二編碼網(wǎng)絡(luò)的結(jié)構(gòu)相同； 所述第二編碼網(wǎng)絡(luò)包括：多個(gè)第一多層感知機(jī)、第一注意力層、第二注意力層和第二多層感知機(jī)； 第個(gè)智能體內(nèi)的第一多層感知機(jī)用于對(duì)所述第個(gè)智能體自身的觀測(cè)向量和動(dòng)作向量進(jìn)行維度變換，得到第一預(yù)設(shè)維度的動(dòng)作向量和第一預(yù)設(shè)維度的觀測(cè)子向量，其中，所述觀測(cè)子向量為所述第個(gè)智能體自身的觀測(cè)向量的行向量或者列向量； 所述第個(gè)智能體內(nèi)的第一注意力層用于對(duì)所述第個(gè)智能體觀測(cè)其他智能體得到的第一預(yù)設(shè)維度的觀測(cè)子向量進(jìn)行編碼嵌入，得到第一編碼向量； 所述第個(gè)智能體內(nèi)的第二注意力層用于對(duì)所述第個(gè)智能體觀測(cè)障礙物得到的第一預(yù)設(shè)維度的觀測(cè)子向量進(jìn)行編碼嵌入，得到第二編碼向量； 所述第個(gè)智能體內(nèi)的第二多層感知機(jī)用于對(duì)所述第個(gè)智能體觀測(cè)自身得到的第一預(yù)設(shè)維度的觀測(cè)子向量、所述第一編碼向量、所述第二編碼向量及所述第一預(yù)設(shè)維度的動(dòng)作向量進(jìn)行嵌入連接，得到第二預(yù)設(shè)維度的嵌入向量。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)人民解放軍火箭軍工程大學(xué)，其通訊地址為：710025 陜西省西安市灞橋區(qū)同心路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。