買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉紹興文理學院申請的專利一種基于卷積增強代理注意力機制的CTSP求解方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120354086B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510833906.X，技術領域涉及：G06F18/20；該發明授權一種基于卷積增強代理注意力機制的CTSP求解方法及系統是由劉華文;王佩;吳宗大;胡珂立設計研發完成，并于2025-06-20向國家知識產權局提交的專利申請。

本一種基于卷積增強代理注意力機制的CTSP求解方法及系統在說明書摘要公布了：本發明提供了一種基于卷積增強代理注意力機制的CTSP求解方法及系統，涉及數據處理技術領域，方法包括：獲取城市數據和銷售員數據；基于城市數據和銷售員數據，構建用于描述CTSP問題實例的完全圖；基于完全圖，構建約束馬爾可夫決策過程模型，將路徑生成過程建模為逐步決策機制；構建基于卷積增強和代理注意力機制的神經策略網絡，其中，神經策略網絡用于求解約束馬爾可夫決策過程模型；利用強化學習算法對基于卷積增強和代理注意力機制的神經策略網絡進行訓練；通過訓練后的基于卷積增強和代理注意力機制的神經策略網絡，生成初步最優路徑方案；將最優路徑方案輸入至傳統優化器進行精細優化，得到最終的最優路徑方案。

本發明授權一種基于卷積增強代理注意力機制的CTSP求解方法及系統在權利要求書中公布了：1.一種基于卷積增強代理注意力機制的CTSP求解方法，其特征在于，包括： S1：獲取城市數據和銷售員數據； S2：基于所述城市數據和所述銷售員數據，構建用于描述CTSP問題實例的完全圖； S3：基于所述完全圖，構建約束馬爾可夫決策過程模型，通過所述約束馬爾可夫決策過程模型的定義狀態空間、動作空間、轉移動態及獎勵函數，將CTSP問題的路徑生成過程建模為逐步決策機制； S4：構建基于卷積增強和代理注意力機制的神經策略網絡，其中，所述神經策略網絡用于求解所述約束馬爾可夫決策過程模型； S5：利用強化學習算法對所述基于卷積增強和代理注意力機制的神經策略網絡進行訓練； S6：通過訓練后的基于卷積增強和代理注意力機制的神經策略網絡，生成初步最優路徑方案； S7：將所述最優路徑方案輸入至傳統優化器進行精細優化，得到最終的最優路徑方案； 其中，所述神經策略網絡包括問題初始化網絡、編碼器以及解碼器；所述S4具體包括： S401：通過所述問題初始化網絡對所述完全圖進行處理，生成所述神經策略網絡的初始輸入向量； S402：通過所述編碼器中的卷積增強和代理注意力機制提取所述初始輸入向量的深度特征，得到深度特征嵌入向量； S403：基于所述深度特征嵌入向量和路徑構造的歷史狀態信息，構造當前時間步的上下文變量，其中，所述上下文變量包括圖的平均嵌入向量和上一步所選節點的節點嵌入向量和節點顏色屬性； S404：基于所述上下文變量與所述節點嵌入向量，通過所述解碼器中的代理注意力機制與卷積增強模塊，確定節點選擇概率分布； S405：根據所述節點選擇概率分布，通過貪婪選擇的方式，選擇當前時間步所訪問的目標節點，并將所述目標節點追加至當前路徑序列； S406：依據所述目標節點更新當前路徑構造狀態以及候選節點集合，重復執行所述S403至S405的過程，直至所有城市節點均被訪問； 其中，所述S404具體包括： S4041：將所述上下文變量作為查詢向量，節點嵌入向量作為鍵向量和值向量，通過代理注意力機制與卷積增強聯合組成的注意力層，計算每個候選節點的注意力得分： ； 其中，表示第i個候選節點的注意力得分，C表示超參數，表示雙曲正切算子，d表示嵌入向量的維度； S4042：對各個所述候選節點執行有效性判斷，篩選滿足門控條件的目標候選節點： ； 其中，表示第t個時間步選擇節點的顏色，表示第t-1個時間步選擇節點的顏色，表示空集，表示第個時間步訪問過的節點； S4043：對各個所述目標候選節點的注意力得分進行歸一化處理，生成所述節點選擇概率分布： ； 其中，表示在t-1個時間步邊連接到第i個候選節點的概率，表示連接節點之間的邊在t-1個時間步第i個候選節點的特征表示，e表示指數函數，表示第i個候選節點的注意力得分，表示第i個候選節點的注意力得分經過指數變換后的值，n表示目標候選節點的總數，j表示求和的索引變量，表示所有候選節點的指數注意力得分之和。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人紹興文理學院，其通訊地址為：312000 浙江省紹興市越城區城南大道1077號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。