Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国人民解放军国防科技大学廖晓闽获国家专利权

恭喜中国人民解放军国防科技大学廖晓闽获国家专利权

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!

龙图腾网恭喜中国人民解放军国防科技大学申请的专利基于深度强化学习的异构无人机群分簇方法及系统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:CN119743815B

龙图腾网通过国家知识产权局官网在2025-05-23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:202510248101.9,技术领域涉及:H04W40/32;该发明授权基于深度强化学习的异构无人机群分簇方法及系统是由廖晓闽;王雨来;林初善;李凯;张娜;吴东;刘汉;李有;郭兰图设计研发完成,并于2025-03-04向国家知识产权局提交的专利申请。

基于深度强化学习的异构无人机群分簇方法及系统在说明书摘要公布了:本发明提供一种基于深度强化学习的异构无人机群分簇方法及系统,属于无线通信技术领域,所述方法包括:基于异构无人机群数据传输网络,创建与环境进行交互的多智能体深度强化学习网络,并初始化簇头智能体和簇成员智能体的奖励函数;获取簇头智能体的观察信息和可能动作,以及,簇成员智能体的观察信息和可能动作,以分别用于簇头智能体和簇成员智能体的策略模型训练;簇头智能体和簇成员智能体分别采用多智能体近端策略优化算法和独立近端策略优化方法训练策略模型;调用训练完成的策略模型,完成无人机群自主分簇。本发明优化了无人机数据传输网络的通信效能,提升了异构无人机群频谱共享的智能化和自动化水平。

本发明授权基于深度强化学习的异构无人机群分簇方法及系统在权利要求书中公布了:1.一种基于深度强化学习的异构无人机群分簇方法,其特征在于,包括:步骤S1:基于异构无人机群数据传输网络,创建与环境进行交互的多智能体深度强化学习网络,并初始化簇头智能体和簇成员智能体的奖励函数;其中,异构无人机群数据传输网络包括两类无人机:簇头无人机和簇成员无人机,簇成员无人机在分簇完成后向对应的簇头无人机回传数据,每个簇成员无人机仅可加入一个簇;每个簇头无人机对应一个部署有决策模型的簇头智能体,每个簇成员无人机对应一个部署有决策模型的簇成员智能体;所述决策模型是基于深度强化学习算法构建的;步骤S2:获取簇头智能体的观察信息和可能动作,以及,簇成员智能体的观察信息和可能动作,以分别用于簇头智能体和簇成员智能体的策略模型训练;步骤S3:簇头智能体和簇成员智能体分别采用多智能体近端策略优化算法和独立近端策略优化方法训练策略模型;所述步骤S3具体包括:初始化簇成员智能体和簇头智能体的Actor网络参数(、)、Critic网络参数(、),相应的策略网络为(、),并创建重放缓存(、);在每次训练迭代中,智能体与环境进行交互,生成训练轨迹并记录当前奖励,和下一个时刻的状态,;其中,当前动作根据旧的策略网络,生成;每一个episode训练之后,收集两类智能体的轨迹,,并计算价值函数的估计值,和优势函数值,;随后将数据和分别存入簇成员智能体和簇头智能体的缓存和中;策略网络梯度更新前,缓存中的数据被打乱后被分成了B个批次;策略网络梯度更新中,以最大化近端策略优化算法剪裁目标函数为训练方向,对每个Actor网络的策略更新;策略网络更新完成后,对旧的Actor网络和Critic网络进行更新;步骤S4:调用训练完成的策略模型,完成无人机群自主分簇。

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中国人民解放军国防科技大学,其通讯地址为:410003 湖南省长沙市开福区德雅路109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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。