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)獲悉北京云量數(shù)盟科技有限公司申請(qǐng)的專(zhuān)利一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法及系統(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：CN115495972B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05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：202110679697.X，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法及系統(tǒng)是由辛苗設(shè)計(jì)研發(fā)完成，并于2021-06-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于強(qiáng)化學(xué)習(xí)安全技術(shù)領(lǐng)域，具體地說(shuō)，涉及一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法，該方法包括：根據(jù)實(shí)時(shí)獲取的真實(shí)獎(jiǎng)勵(lì)聚類(lèi)和逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)，計(jì)算二者之間的標(biāo)準(zhǔn)互信息；根據(jù)預(yù)先設(shè)定的聚類(lèi)個(gè)數(shù)范圍，聚類(lèi)排序范圍和污染軌跡比例范圍，生成標(biāo)準(zhǔn)互信息序列；將標(biāo)準(zhǔn)互信息輸入至預(yù)先建立的四階張量模型，得到評(píng)估結(jié)果；根據(jù)評(píng)估結(jié)果，來(lái)評(píng)估逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)。

本發(fā)明授權(quán)一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種針對(duì)面向強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)的逆向工程的評(píng)估方法，該方法包括： 根據(jù)實(shí)時(shí)獲取的真實(shí)獎(jiǎng)勵(lì)聚類(lèi)和逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)，計(jì)算二者之間的標(biāo)準(zhǔn)互信息； 根據(jù)預(yù)先設(shè)定的聚類(lèi)個(gè)數(shù)范圍，聚類(lèi)排序范圍和污染軌跡比例范圍，生成標(biāo)準(zhǔn)互信息序列； 將標(biāo)準(zhǔn)互信息輸入至預(yù)先建立的四階張量模型，得到評(píng)估結(jié)果； 根據(jù)評(píng)估結(jié)果，來(lái)評(píng)估逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)； 其中，所述根據(jù)實(shí)時(shí)獲取的真實(shí)獎(jiǎng)勵(lì)聚類(lèi)和逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)，計(jì)算二者之間的標(biāo)準(zhǔn)互信息；其具體過(guò)程為： 根據(jù)實(shí)時(shí)獲取的真實(shí)獎(jiǎng)勵(lì)聚類(lèi)和逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)計(jì)算二者之間的互信息 其中， 其中，為中的第σ個(gè)類(lèi)別；為中的第ε個(gè)類(lèi)別；S'為真實(shí)的狀態(tài)空間； 根據(jù)計(jì)算得到的二者之間的互信息計(jì)算二者之間的標(biāo)準(zhǔn)互信息 其中， 其中，所述逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)的具體過(guò)程為： 對(duì)實(shí)時(shí)獲取的真實(shí)獎(jiǎng)勵(lì)聚類(lèi)按照每個(gè)元素的大小，進(jìn)行降序排序，根據(jù)預(yù)先選擇的top聚類(lèi)個(gè)數(shù)oj，獲取選擇后的獎(jiǎng)勵(lì)聚類(lèi)集合 得到對(duì)應(yīng)的真實(shí)狀態(tài)空間 根據(jù)污染比例mz＝{m1,m2,…,m|m|}，利用逆強(qiáng)化學(xué)習(xí)算法得到對(duì)應(yīng)的獎(jiǎng)勵(lì)聚類(lèi)集合ru ,z，在狀態(tài)空間S'中進(jìn)行聚類(lèi)； 具體地，將獎(jiǎng)勵(lì)聚類(lèi)初始化： 根據(jù)給定的逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)集合和預(yù)先設(shè)定的聚類(lèi)個(gè)數(shù)yi，采用聚集嵌套算法，對(duì)給定的逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)集合進(jìn)行聚類(lèi)； 逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)集合中的每一個(gè)元素視為一個(gè)類(lèi)別，在第i輪迭代中，當(dāng)前所選擇的聚類(lèi)個(gè)數(shù)為yi，計(jì)算逆獎(jiǎng)勵(lì)集合中任選的兩個(gè)類(lèi)別間的距離 其中，是兩個(gè)獎(jiǎng)勵(lì)與之間的歐幾里得距離；為中的第x個(gè)類(lèi)別；為中的第y個(gè)類(lèi)別； 遍歷中所有類(lèi)別，并計(jì)算任意兩個(gè)類(lèi)別之間的歐幾里得距離，并按照從小到大的順序?qū)τ?jì)算的多個(gè)距離進(jìn)行排序； 選擇類(lèi)別距離最小的兩個(gè)類(lèi)別進(jìn)行合并， New_Cu＝Cα u∪Cβ u 其中，Cα u，Cβ u為本輪中得到的距離Dal最小的兩個(gè)類(lèi)別；New_Cu為本輪合并后的逆聚類(lèi)子集合； 將New_Cu補(bǔ)入中，得到合并后的逆獎(jiǎng)勵(lì)集合，再遍歷該合并后的逆獎(jiǎng)勵(lì)集合中的所有類(lèi)別，計(jì)算任意兩個(gè)類(lèi)別之間的距離，并按照從小到大的順序?qū)τ?jì)算的多個(gè)距離進(jìn)行排序； 采用上述合并過(guò)程，對(duì)類(lèi)別距離最小的兩個(gè)類(lèi)別進(jìn)行合并，得到該輪合并后的聚類(lèi)子集合，并將其補(bǔ)入合并后的逆獎(jiǎng)勵(lì)集合，重復(fù)上述過(guò)程，直至合并后的逆獎(jiǎng)勵(lì)集合中的聚類(lèi)個(gè)數(shù)達(dá)到當(dāng)前所選擇的聚類(lèi)個(gè)數(shù)yi后，聚類(lèi)結(jié)束， 得到逆強(qiáng)化學(xué)習(xí)得到的獎(jiǎng)勵(lì)聚類(lèi)

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)人北京云量數(shù)盟科技有限公司，其通訊地址為：100012 北京市朝陽(yáng)區(qū)水岸南街16號(hào)N次方420；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(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。