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！

龙图腾网获悉中国电子科技集团公司第十五研究所申请的专利基于深度强化学习的分布式试验网络拓扑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：CN119603161B 。

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：202411612072.1，技术领域涉及：H04L41/12；该发明授权基于深度强化学习的分布式试验网络拓扑优化方法是由王晫;曲凯;尹洪蕾;李宁;刘明哲;张世永;李峰松;张东雪;李飞翔;刘天琪设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于深度强化学习的分布式试验网络拓扑优化方法在说明书摘要公布了：本发明提出了一种基于深度强化学习的分布式试验网络拓扑优化方法，包括：构建图数据结构；初始化处理；配置奖励计算选择参数以及初始化行动和状态选择参数；依次进行第一算法以及第二算法，并输出准确率，若大于准确率预设值，则所述奖励计算选择参数表征为所述第一算法，否则为所述第二算法，重复上述过程。本发明用深度强化学习代替人工，对大规模试验的节点网络进行部署方案优化的方案。这种方法能有效节约人工，并且可适应现场情况快速进行重新计算，能在大规模计算中对少数几个节点的情况变化做出优化处理。

本发明授权基于深度强化学习的分布式试验网络拓扑优化方法在权利要求书中公布了：1.一种基于深度强化学习的分布式试验网络拓扑优化方法，其特征在于，包括： 步骤S1，构建图数据结构，包括分布式网络的节点集合与节点之间的通信关系集合； 步骤S2，初始化图神经网络以及缓冲区，所述图神经网络用于量化评价； 步骤S3，初始化常数； 步骤S4，配置奖励计算选择参数以及初始化行动和状态选择参数，其中，所述奖励计算选择参数的取值表征该参数的获取来源，所述行动和状态选择参数的取值表征当前状态为完整空间或压缩空间； 步骤S5，根据所述奖励计算选择参数以及所述行动和状态选择参数，执行第一算法预设步数，以确定策略梯度并调整策略函数参数，如果所述奖励计算选择参数表征该参数来源为所述第一算法的校验器，则将对应数据记录到所述缓冲区； 步骤S6，执行第二算法的运算，将所述缓冲区的数据和阈值输入预设图形神经网络，输出更新后的图形神经网络； 步骤S7，使用配置的策略函数生成行动序列和相关的网络结构，执行Verifier检查当前图形神经网络的有效性，计算相应的目标值，并将所述目标值添加到缓冲区中； 步骤S8，执行第二算法的运算，输入经过训练的所述第二算法的网络和所述生成的所述目标值数据，并输出准确率，若大于准确率预设值，则所述奖励计算选择参数表征为所述第一算法，否则为所述第二算法；重复步骤S5至S8。

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电子科技集团公司第十五研究所，其通讯地址为：100083 北京市海淀区北四环中路211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。