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！

龙图腾网获悉华南师范大学申请的专利一种基于强化学习的航运网络脆弱性评估分析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：CN119539523B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411560153.1，技术领域涉及：G06Q10/0637；该发明授权一种基于强化学习的航运网络脆弱性评估分析方法是由刘云刚;叶维;王宇渠;杨镇凌;邹瑞;郑怡菲;蒋沁怡;刘鹏佳设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于强化学习的航运网络脆弱性评估分析方法在说明书摘要公布了：本发明公开了一种基于强化学习的航运网络脆弱性评估分析方法，包括以下步骤：S1，获取港口航线信息、船舶频次信息以及港口经济信息，S2，基于港口航线信息构建航运网络，S3，基于已构建好的航运网络G＝V,E构建强化学习模型，S4，对强化学习模型开展训练；利用强化学习动态调整网络拓扑结构，以适应不断变化的攻击模式和网络状态。这一方法不仅能够实时反映网络在不同攻击策略下的变化，还能够模拟实际环境中的复杂动态交互。这种动态更新能力能够有效应对传统方法中静态分析的不足；利用强化学习自动优化攻击策略，能够更准确地识别关键节点和路径，提高对网络脆弱性的评估精度。

本发明授权一种基于强化学习的航运网络脆弱性评估分析方法在权利要求书中公布了：1.一种基于强化学习的航运网络脆弱性评估分析方法，其特征在于，包括以下步骤： S1，获取港口航线信息、船舶频次信息以及港口经济信息； S2，基于港口航线信息构建航运网络，使用Kosaraju算法，根据港口之间的联系密切程度，对运输网络使用深度优先搜索两次，从而识别出运输网络的强连通区域； S3，基于已构建好的航运网络G＝V,E构建强化学习模型，强化学习模型用于模拟攻击者行为，评估航运网络在不同攻击策略下的脆弱性变化，其中V为节点集合，代表港口；E为边集合，代表港口之间的航线；每条边e∈E具有一个权重W； 强化学习模型的状态s表示为航运网络的邻接矩阵A；状态s还包括权重矩阵W，即每个边i,j的权重wij，表示为: wij＝α1Fij+β1Cij wij是从港口i到港口j的边权重；Fij是从港口i到港口j的船舶频次；Cij是从港口i到港口j的集装箱运输总量；α1和β1是权重系数，在状态s中引入重要节点评价指标：PageRank值； 构建奖励函数r； CG表示当前网络G的连通性；APLG表示当前网络的平均路径长度；C0和APL0分别表示初始状态s下的网络连通性和平均路径长度；ΔC表示连通性的变化，定义为CG-C0； ΔAPL表示平均路径长度的变化，定义为APLG-APL0；Icritical为指示器变量，如果攻击影响了关键节点或边，则Icritical＝1，否则为0；α、β和δ是权重系数； 使用DQN算法通过深度神经网络近似Q值函数Qs,a；θ，即在状态s下执行动作a的预期回报，Q值函数更新，使用经验回放池D存储攻击者过去的经验s,a,r,s′，通过随机小批量经验更新Q值函数；Q值目标函数为：y＝r+γmaxa′Q′s′,a′；θ′； r为奖励，γ为折扣因子，参数θ′为定期从Q值函数的参数更新，Q′为目标函数，s′为动作执行后的新环境状态，a′为新状态下可供选择的动作；使用均方误差损失函数更新Q值函数：Lθ为损失函数，为期望，y为Q值目标函数，Qs,a；θ为当前Q值函数，s为状态，a为动作，θ为Q值函数的参数； S4，对强化学习模型开展训练，在训练过程中，根据航运网络的当前状态自适应调整攻击策略，在节点失效后，攻击体根据返回结果重新评估剩余运输网络的连通性，并动态调整下一步的攻击目标。

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华南师范大学，其通讯地址为：510630 广东省广州市中山大道西55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。