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！

龙图腾网获悉云南师范大学申请的专利一种基于时空感知和多智能体强化学习的流式计算任务调度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：CN121479359B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610028439.8，技术领域涉及：G06F18/2321；该发明授权一种基于时空感知和多智能体强化学习的流式计算任务调度方法是由段飒飒;熊文设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种基于时空感知和多智能体强化学习的流式计算任务调度方法在说明书摘要公布了：本发明涉及一种基于时空感知和多智能体强化学习的流式计算任务调度方法，属于大数据处理技术任务调度领域。首先，对初始时刻的移动物体进行两阶段聚类；其次，通过增量聚类筛选待切换的移动物体，并为其生成候选簇集合，构建搜索空间；随后，计算移动物体的竞争强度构建移动物体簇判定树；接着，预测移动物体下一时刻的空间分布，执行多智能体强化学习，通过分区局部性、分区偏移与切换成本线性加权的综合评价指标更新移动物体簇判定树，获取最优调度策略。最后，根据最优调度策略重新执行移动物体、簇、分区与计算核心的一一映射。本发明解决了大规模交通场景下任务实时调度的问题，显著节省了计算资源，降低了时间延迟。

本发明授权一种基于时空感知和多智能体强化学习的流式计算任务调度方法在权利要求书中公布了：1.一种基于时空感知和多智能体强化学习的流式计算任务调度方法，其特征在于，所述方法包括以下步骤： Step1：获取移动物体集合初始时间窗口在路网上的空间分布，实施两阶段聚类，得到簇划分集合，作为初始调度策略；其中，第一阶段的聚类通过切割经度区间生成预设数量的子区间，且不同子区间内的移动物体数量保持一致，第二阶段的聚类在每个子区间内选择经度最大的移动物体中纬度最小的移动物体作为簇心，将距离簇心最近的预设数量的移动物体作为同簇点，使簇心与同簇点构成一个完整的簇； Step2：以上一个时间窗口移动物体的空间分布、调度策略与当前时间窗口移动物体的空间分布为输入，设定时间窗口阈值，位移阈值，半径阈值，按照时间窗口阈值划分时间窗口，计算每个移动物体在相邻时间窗口内的位移，将位移超过位移阈值且超出上一个时间窗口所属簇的外包多边形范围的移动物体构成待切换移动物体集合；其中，所述调度策略在第一次迭代时为所述初始调度策略，从第二次迭代开始为上一个窗口的调度策略； Step3：以待切换移动物体集合中的每个移动物体为圆心，半径阈值为半径构建若干个搜索区域，将出现在搜索区域的簇构成当前移动物体的候选簇集合； Step4：通过待切换移动物体集合与候选簇集合，构建搜索空间； Step5：计算待切换移动物体集合中每个移动物体的竞争强度； Step6：将搜索空间转换为移动物体簇判定树MOCDT，按照竞争强度从小到大的顺序，将移动物体从根节点向下依次插入MOCDT的每层节点中，且节点的分支对应当前移动物体的候选簇，获得初始化的MOCDT； Step7：预测所有移动物体下一个时间窗口的空间分布； Step8：多智能体Q学习结合下一个时间窗口的空间分布，从MOCDT的根节点开始依次为移动物体切换簇，更新MOCDT中每个分支对应的局部调度策略的局部得分，当所有移动物体切换簇后，结合线性加权的综合评价指标更新MOCDT每条路径对应的全局调度策略的全局得分； Step9：迭代Step8，直到满足迭代停止条件，遍历MOCDT，获取全局得分最高的路径，生成全局最优调度策略； Step10：根据全局最优调度策略，对移动物体、簇、分区与计算核心进行一一映射，在计算核心上对移动物体实施任务； Step11：迭代Step2~Step10，直到时间序列到达预设的最大时间窗口数，完成对移动物体的任务调度。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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。