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！

申请/专利权人：鱼快创领智能科技(南京)有限公司

摘要：本发明提出一种基于注意力多智能体模型的车辆配货方法及系统，包括采集车与货环境数据车与货环境数据，将采集到的数据进行标签画像，将数据和标签画像输入训练好的Attention‑SmartTranformer基于时空注意力和POI推荐算法引擎模型，给出TOP‑N车货推荐，将TOP‑N车货推荐再输入训练好的多智能体MADDPG深度强化学习决策算法引擎模型，给出最优的车辆配货决策；再对最优的车辆配货决策进行基于兜底规则的专家决策，得到最终的车辆选择配货。解决了大数据量车辆货品匹配的大生态环境，无法考虑在运营中进行博弈竞争合作混合关系的难题。

主权项：1.一种基于注意力多智能体模型的车辆配货方法，其特征在于包括以下步骤：S1，采集车与货环境数据，车与货环境数据包括内部数据和外部数据；所述内部数据包括车辆配置和运营价格数据、车辆货品运营线路和TCO数据、锁车预警车辆和车主司机数据、付费车辆数据、流失预警车辆数据、货运全生命周期内的监控点风险数据；所述外部数据包括货品数据和货主数据，道路数据和实时拥堵信息，天气数据；S2，针对车辆、货主、运营线路、POI运营场景主题进行各个主体的标签和画像，得到车辆标签画像、车辆运营标签画像、货主标签画像、按照业务场景的POI地点标签画像、按照运营线路的车辆TCO标签画像、驾驶员运营诚信标签画像、货主运营诚信标签画像；S3，构建Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型；Attention-SmartTranformer通过车货标注标签画像数据来微调fine-tuning以完成Transformer模型参数的配置；Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型包括四个组件：输入组件、Encoder编码器组件、Decoder解码器组件和输出组件；输入组件，用于输入多类数据，并对输入的多类数据经过one-hot编码后一维向量展开Embedding，然后再加上车辆和货品位置编码信息得到一个基本的输入Embedding向量；Encoder编码器组件，对输入Embedding向量经过一个统一网络的结构，这个结构就是编码结构，编码结构有N次，对输入循环处理N次，每一个encode层中又分成Attention层和全连接层，采用SkipConnection做跳跃连接，还包括Normalization层；Docedder解码器组件，第一次输入信息是空前缀信息，之后的就是上一次产出的Embedding，加入车辆和货品位置编码信息，然后进入一个可以重复很多次的模块，即解码模型；所述解码模型分成三块来看，第一块也是Attention层，第二块是crossAttention，不是Self-Attention，第三块是全连接层，也采用SkipConnection做跳跃连接和Normalization层；输出组件，通过全连接层Linear-1000，再通过softmax做预测，依据概率推荐M个中的TOP-N货品推荐；M大于N，N≥1；S4，对步骤S3构建的Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型进行训练，训练出能够依据概率推荐TOP-N最优解的Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型，即训练出合格的Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型；S5，构建多智能体MADDPG深度强化学习决策算法引擎模型，MADDPG为Multi-agentdeepdeterministicpolicygradient；所述多智能体MADDPG深度强化学习决策算法引擎模型包括Q个Actor-Critic网络，每个网络对应一个智能体A_i，在每个时间步骤，Q≥1；智能体A_i根据自己的Actor网络输出的策略选择一个动作，智能体A_i执行选择的动作并观察到下一个状态和自己的奖励信号，将每个智能体A_i的经验元组、动作、下一个状态、奖励存储在经验回放缓冲区中；S6，对步骤S5构建的多智能体MADDPG深度强化学习决策算法引擎模型进行训练，训练出综合毛利润指标能够达标的多智能体MADDPG深度强化学习决策算法引擎模型；S7，将步骤S1获得的车辆配置和运营价格数据、车辆货品运营线路和TCO数据、货运全生命周期内的监控点风险数据、货品数据和货主数据，以及步骤S2获得的车辆标签画像、车辆运营标签画像、货主标签画像、按照业务场景的POI地点标签画像、按照运营线路的车辆TCO标签画像、驾驶员运营诚信标签画像、货主运营诚信标签画像，以及本次运货的价格和本次运单TCO成本数据输入步骤S4合格的Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型，Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型依据概率给出TOP-N货品推荐；S8，将步骤S7Attention-SmartTranformer基于时空注意力和POI推荐算法引擎模型的输出组件输出结果作为步骤S6得到的训练达到指定次数或综合毛利润指标能够达标的多智能体MADDPG深度强化学习决策算法引擎模型的输入，多智能体MADDPG深度强化学习决策算法引擎模型给出高级快速决策，即最优的车辆配货决策；S9，针对步骤S8得到的最优的车辆配货决策进行基于兜底规则的专家决策方法，判断是否审核通过，得到最终的车辆选择配货。

全文数据：

权利要求：

百度查询： 鱼快创领智能科技(南京)有限公司 基于注意力多智能体模型的车辆配货方法及系统