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！

龙图腾网获悉中国海洋大学三亚海洋研究院申请的专利基于多智能体贝叶斯强化学习的水下运动目标跟踪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：CN120468857B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510986575.3，技术领域涉及：G01S15/66；该发明授权基于多智能体贝叶斯强化学习的水下运动目标跟踪系统是由赵玮;张子恒;孙伟成;宋大雷;左思佳;杨敬泽;卞谋泽;李阳;魏秀津;戚烽鹏;郭元婷设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于多智能体贝叶斯强化学习的水下运动目标跟踪系统在说明书摘要公布了：本发明公开了基于多智能体贝叶斯强化学习的水下运动目标跟踪系统，涉及水下运动目标跟踪技术领域。其包括以下步骤：建立基于多智能体的目标跟踪架构，使多个智能体形成协同网络，实现数据共享；建立以智能体的中心为原点的坐标系，推导智能体运动学方程；引入贝叶斯推理方法，建立目标状态的动态估计模型；开发基于贝叶斯推理的强化学习算法，优化路径规划；通过动态任务调度机制确定目标并进行任务分配；优化多智能体在复杂环境中的决策。本发明实现多智能体间的实时信息共享和协同决策，优化了任务分配，并通过贝叶斯推理增强了对目标状态的估计精度，同时强化学习算法动态调整行动策略，增强了在复杂动态环境中的跟踪效率和适应性。

本发明授权基于多智能体贝叶斯强化学习的水下运动目标跟踪系统在权利要求书中公布了：1.基于多智能体贝叶斯强化学习的水下运动目标跟踪系统，其特征在于，包括以下步骤： S1，建立基于多智能体的目标跟踪架构，使多个智能体形成协同网络，将收集的数据实现共享； S2，建立以智能体的中心为原点的坐标系，基于牛顿第二定律和欧拉方程推导智能体在该坐标系下的运动学方程； S3，引入贝叶斯推理方法，建立目标状态的动态估计模型； S4，开发基于贝叶斯推理的强化学习算法，优化多智能体间的路径规划； S5，在多动态目标场景下，通过动态任务调度机制确定所需跟踪的目标，并将任务分配给合适的智能体； S6，优化多智能体在复杂环境中的决策； S7，在仿真平台中构建并模拟多智能体在复杂水下环境中的协同围捕任务； 在S4中，智能体在此时自身状态st下，智能体选择动作at以最大化综合奖励Rtotal，该奖励由跟踪性能Rtracking、能耗效率Renergy和协同效用Rcollaboration三部分加权组成，得到基于贝叶斯推理的强化学习算法的路径优化表达式： 式中，at表示智能体在时刻t的行动选择；表示在状态st下，智能体选择动作at以最大化综合奖励；Rtracking表示目标跟踪精度的奖励，其与目标距离或跟踪误差相关； Renergy表示能耗优化奖励，其与速度和加速度的控制相关；Rcollaboration表示智能体间协同效率的奖励，其与智能体间的距离和合作程度相关； 在S5中，在多目标动态场景下，动态任务调度机制通过计算目标的优先级，来确定所需跟踪的目标；当多个目标进入感知范围时，动态任务调度机制根据目标的距离、速度以及重要性因素来计算优先级； 目标优先级的计算表达式为： 式中，Pi表示目标i的优先级计算；wd表示优先级权重；wv表示速度权重；ws表示目标权重；di表示目标i与智能体的欧氏距离，单位为m，距离越近则优先级权重wd的贡献越大；vi表示目标速度，单位为ms，速度越快，跟踪紧迫性越高，速度权重wv对应动态调整能力；si表示目标预设重要性等级，si∈{1,2,3}，目标权重ws反映任务偏好。

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海洋大学三亚海洋研究院，其通讯地址为：572000 海南省三亚市崖州区深海科技创新公共平台8号楼809；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”。