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！

龙图腾网获悉北京航空航天大学申请的专利一种基于内在奖励网络的多智能体强化学习策略优化方法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：CN119740630B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411900895.4，技术领域涉及：G06N3/092；该发明授权一种基于内在奖励网络的多智能体强化学习策略优化方法是由刘艳芳;陈杰;路云峰;周岚芝;王昶皓设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于内在奖励网络的多智能体强化学习策略优化方法在说明书摘要公布了：本发明公开了一种基于内在奖励网络的多智能体强化学习策略优化方法，属于强化学习技术领域，其方法包括：搭建包含多个智能体的强化学习模拟场景并对模型参数进行初始化，所述模型参数包括决策网络参数、内在奖励网络参数和状态价值网络参数；获取环境奖励、全局观测数据以及每个智能体的局部观测数据，并得到每个智能体的执行动作、内在奖励；分别构建决策网络、内在奖励网络和状态价值网络的损失函数并对模型参数进行优化。本发明通过一个参数化的内在奖励网络，为每个智能体生成内在奖励，用来激励智能体执行多样化的动作，提高了多智能体系统中每个智能体的适应能力。

本发明授权一种基于内在奖励网络的多智能体强化学习策略优化方法在权利要求书中公布了：1.一种基于内在奖励网络的多智能体强化学习策略优化方法，其特征在于，包括以下步骤： 模型搭建及参数初始化：搭建包含多个智能体的强化学习模拟场景并对模型参数进行初始化，所述模型参数包括决策网络参数、内在奖励网络参数和状态价值网络参数；所述智能体包括自动驾驶车辆，交通网络中的红绿灯，或智能机器人中的每个关节； 数据获取：从强化学习模拟场景的环境中获取环境奖励、全局观测数据以及每个智能体的局部观测数据；将所述局部观测数据输入决策网络，输出每个智能体需执行的动作；将所述局部观测数据和每个智能体需执行的动作输入内在奖励网络，输出当前执行动作的内在奖励；将所述全局观测数据输入状态价值网络，输出全局价值； 构建模型的损失函数并对模型参数进行优化： 根据环境奖励、当前执行动作的内在奖励，以及全局价值计算决策网络的损失，并通过梯度下降算法对决策网络参数进行优化，使得决策网络的输出接近目标输出； 根据环境奖励以及当前执行动作的内在奖励计算状态价值网络的损失，并通过梯度下降算法对状态价值网络参数进行优化，使得状态价值网络的输出接近目标输出； 根据全局价值以及当前执行动作的内在奖励计算内在奖励网络的损失，并通过梯度下降算法对内在奖励网络参数进行优化，使得内在奖励网络的输出接近目标输出。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。