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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于多智能体的多目标多要素分配决策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：CN120337548B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510425638.8，技术领域涉及：G06F30/20；该发明授权一种基于多智能体的多目标多要素分配决策方法是由叶东;王桐杨;肖岩;高祥博;侯博文;汤旭设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种基于多智能体的多目标多要素分配决策方法在说明书摘要公布了：本发明是一种基于多智能体的多目标多要素分配决策方法。本发明涉及优化解集决策技术领域，本发明对于传统防空部署多目标优化难以对部署解集筛选的情况，创新性的使用基于强化学习训练获得的目标分配策略解决该问题。通过将该问题抽象为多个待优化的目标函数从而利用多目标优化算法对其部署解集进行求解；针对部署解集的评估与筛选问题，提出了在部署模型的基础上抽象出一个较为真实的防空战场环境并利用多智能体强化学习算法对智能体进行训练求得动态目标分配策略，并利用该策略实现了对部署方案的评估与筛选。通过仿真分析可知，所采用的基于强化学习的目标分配策略防空部署帕累托解集快速筛选方法可以实现对防空部署帕累托解集的快速筛选。

本发明授权一种基于多智能体的多目标多要素分配决策方法在权利要求书中公布了：1.一种基于多智能体的多目标多要素分配决策方法，其特征是：所述方法包括以下步骤： 步骤1：进行防空情景建模，模拟空中袭击情景； 步骤2：搭建智能体动作与观察空间，对空间矩阵进行观察； 所述步骤2具体为： 当前防空之上存在有个敌方，定义防空单元只能提的动作空间为： 1 其中，discrete表示该动作空间为一个离散空间，即在该空间之下动作为一个二值函数，取值为0或1； 对于每时刻输入智能体的信息选择采用构建一个观察空间矩阵，为一个大小为的矩阵： 2 观察空间矩阵中的第一行参数代表防空单元智能体与第个空袭单元之间的相对距离，计算方法为： 3 观察空间矩阵中的第二行参数代表第个空袭单元相对防空单元智能体的进入角变化值；设当前时刻为，计时间隔为，则进入角变化值的计算方法为： 4 确定空间矩阵中的第三行参数代表第个空袭单元当前已受到多少个防空单元智能体的瞄准锁定；这一参数由防空单元智能体之间的通讯产生，当前防空单元智能体的瞄准目标为，则取负数，代表当前目标已受本智能体的瞄准； 确定空间矩阵中的第四行参数代表第个空袭单元的生存状态；空袭单元仍然存活，则其值置1，若空袭单元已被击落，则其值置-1； 确定空间矩阵中的第五行参数代表火力转移价值；设在时刻智能体的瞄准目标为第个空袭单元，价值为；在时刻智能体将瞄准目标转移至第个空袭单元，价值为；则此情况下的火力转移价值计算方法为： 5 即转移价值等于计划转移目标价值与当前相对距离的比减去上一时刻瞄准目标价值与上一时刻相对距离之比，用于评价防空单元智能体转移瞄准目标的合理性； 步骤3：建立奖惩函数，使得智能体执行每一步动作后均会根据动作反馈给智能体一个奖励值； 步骤4：设计防空环境流程，锁定保卫目标； 步骤5：进行MADDPG强化学习生成策略，优化防空策略，进行多目标优化求解部署解集； 所述步骤5具体为： 对于Actor与Critic神经网络的搭建，A-C网络采用多输入神经网络设计：将观察空间空间矩阵分割为5个大小的向量，分别输入至5个全连接层之中，经过一层或多层隐藏层后，将输出的神经元拼接在一起后再输入至下一层隐藏层； 通过采用Gumbel-Softmax方法从离散分布中进行采样，使其变得可微，Gumbel-Softmax采样写为： 10 其中，参数称为分布的温度参数，该参数恒大于0，为一个采样自的噪声，称为重参数因子： 11。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。