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！

龙图腾网获悉东南大学;南京理工大学申请的专利针对高动态决策场景智能体探索的强化学习系统及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：CN119886272B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510067613.5，技术领域涉及：G06N3/092；该发明授权针对高动态决策场景智能体探索的强化学习系统及方法是由蒋嶷川;刘越;李攀;狄凯设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本针对高动态决策场景智能体探索的强化学习系统及方法在说明书摘要公布了：本发明公开了一种针对高动态决策场景智能体探索的强化学习系统及方法，包括正演员‑评论家模型、负演员‑评论家模型、演员‑评论家模型、策略相似度模型和策略动作选择模型，通过使用正向策略和负向策略指导主策略的学习，同时最小化主策略与正向策略的接近程度和最大化主策略与负向策略的接近程度，让主策略以高概率产生高价值动作，低概率产生低价值动作，提升方法的整体性能；同时，在训练过程中通过策略动作选择模型以概率形式选择执行主策略动作、正向策略动作、负向策略动作，增加动作选择的多样性，间接提高探索环境的多样性，最终实现性能提升。

本发明授权针对高动态决策场景智能体探索的强化学习系统及方法在权利要求书中公布了：1.针对高动态决策场景智能体探索的强化学习系统，其特征在于：至少包括正演员-评论家模型、负演员-评论家模型、演员-评论家模型、策略相似度模型和策略动作选择模型， 所述正演员-评论家模型：包括正演员网络与正评论家网络，所述正演员网络作为正向策略，通过最大化Q值，生成正向动作；所述正评论家网络以最小化生成Q值与目标Q值的时序差分误差为目标，用于给出当前状态下，正演员网络生成动作的价值； 所述负演员-评论家模型：包括负演员网络与负评论家网络，所述负演员网络作为负向策略，通过最小化Q值，生成负向动作；所述负评论家网络以最小化生成Q值与目标Q值的时序差分误差作为目标，用于给出当前状态下，负演员网络生成动作的价值； 所述演员-评论家模型：包括演员网络与评论家网络，所述演员网络作为主策略用于生成接近正向策略且远离负向策略的动作；所述评论家网络用于给出当前状态下，演员网络生成动作的价值； 所述策略相似度模型：由自编码器实现，输入两个策略产生的动作，输出两个动作的相似度； 所述策略动作选择模型：根据主策略、正向策略、负向策略得到的动作对应的价值，概率化地选择动作执行与环境的交互。

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东南大学;南京理工大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。