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！

龙图腾网获悉湖北三峡职业技术学院;武汉烽火技术服务有限公司申请的专利一种基于验证反馈的大模型强化学习网络配置生成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：CN120525019B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510463855.6，技术领域涉及：G06N3/092；该发明授权一种基于验证反馈的大模型强化学习网络配置生成方法是由杨泽俊;李旺;杨顶;邓聪设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于验证反馈的大模型强化学习网络配置生成方法在说明书摘要公布了：本发明公开了一种基于验证反馈的大模型强化学习网络配置生成方法，通过网络配置语义解析将输入的网络现象和状态内容转化为语义和动作序列，基于语义动作序列，通过混合动作空间策略生成和神经符号协同的强化学习模型生成符合要求的配置框架与参数，将生成的网络配置信息在数字孪生系统中进行验证与反馈，在虚拟环境中通过形式化验证与性能仿真，模拟真实网络场景，全面评估配置的正确性与性能表现，进而生成包含多维度信息的反馈信号，依据数字孪生验证对策略模型进行修正和优化，最后通过奖励机制来引导智能体对高熵配置项进行调整，优化配置生成大模型。

本发明授权一种基于验证反馈的大模型强化学习网络配置生成方法在权利要求书中公布了：1.一种基于验证反馈的大模型强化学习网络配置生成方法，其特征在于，包括以下步骤： S1，基于图神经网络的网络配置进行语义解析： 将输入的非结构化业务需求转化为语义动作序列，通过构建形式化本体库和动态知识图谱，结合时序图卷积网络实时更新网络状态； S2，面向通信网络配置的混合动作空间构建策略生成模型，策略生成模型包括符号规则选择、连续参数优化以及生成具体网络配置三部分组成，具体包括： 采用分层神经符号强化学习方法，将步骤S1中更新的网络状态作为输入，协同优化符号规则与连续参数，生成包含设备参数和链路连接的具体网络配置； 通过概率逻辑编程公式计算符号规则选择概率： ； 式中，表示在状态下，选择符号规则的概率；代表网络当前的运行状态，表示一种具体的网络配置规则，表示符号规则集合中规则的总数；是一个函数，衡量在状态下，符号规则的得分或适配度，得分越高则该规则在当前状态下被选择的可能性越大； 通过动态权重融合模块根据网络负载波动程度自动调节符号规则与连续参数优化的贡献比例； S3，基于因果图计算因果熵： 将生成的具体网络配置输入数字孪生系统进行仿真验证，基于因果图计算节点因果熵： 将网络中的各个配置项包括带宽分配和路由设置作为节点，配置项之间的相互影响关系作为边，构建配置项因果图进行因果分析，并从验证日志中提取配置项依赖关系； 针对每个配置项节点，确定相关的所有可能状态或事件集合，并估算每个状态或事件发生的概率；通过下式计算节点的因果熵： ； 式中，表示节点的因果熵，是一个随机变量，代表与节点相关的某种状态或事件，是与节点相关的所有可能状态或事件的集合，表示在节点相关的情境下，状态或事件发生的概率； S4，策略生成模型优化： 基于因果熵值和反馈信号，调整高熵节点配置，通过强化学习算法调整配置策略，从而优化网络整体运行状态，最终优化配置生成大模型；其中强化学习的奖励机制包括： 根据节点因果熵值设定奖励函数，优先优化高熵节点的配置调整动作； 奖励值与网络性能指标包括QoS以及负载均衡度正相关，与配置冲突数量负相关； 具体包括： 首先进行高熵节点筛选，通过蒙特卡洛模拟方法确定因果熵阈值；然后，对网络中的所有节点进行因果熵计算，筛选出因果熵大于阈值的节点；为了引导智能体对高熵节点进行优先优化，设计了动态奖励函数，关注网络服务质量的提升；惩罚系数用于惩罚配置冲突行为；对于高熵节点，施加3倍奖励权重，使得智能体在优化过程中更倾向于对这些节点进行操作；当智能体采取的行动能够降低高熵节点的因果熵、提升网络QoS且减少配置冲突时，将获得更高的奖励，从而激励智能体不断探索最优的优化策略，实现模型优化。

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湖北三峡职业技术学院;武汉烽火技术服务有限公司，其通讯地址为：443000 湖北省宜昌市体育场路31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。