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！

龙图腾网获悉同济大学申请的专利基于层次博弈深度强化学习的集群追逃控制方法和系统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：CN119960489B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510450379.4，技术领域涉及：G05D1/69；该发明授权基于层次博弈深度强化学习的集群追逃控制方法和系统是由王晓晓;衣鹏;雷金龙;洪奕光;赵一航;刘大卫设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于层次博弈深度强化学习的集群追逃控制方法和系统在说明书摘要公布了：本发明提供一种基于层次博弈深度强化学习的集群追逃控制方法和系统，通过层次博弈结构将多智能体协作任务建模为集体去中心化部分可观测马尔可夫决策过程，并提出一种层次博弈多智能体深度确定性策略梯度算法模型。该算法模型包括高层策略模块和低层策略模块，高层策略模块负责目标分配和任务协调，低层策略模块通过集中训练和分布式执行优化具体行动决策。本方案能够有效提高多智能体系统在复杂环境中的协作效率和应对能力。

本发明授权基于层次博弈深度强化学习的集群追逃控制方法和系统在权利要求书中公布了：1.一种基于层次博弈深度强化学习的集群追逃控制方法，其特征在于，所述方法包括： 构建集群追逃博弈场景，所述集群追逃博弈场景包括博弈环境以及处于所述博弈环境中的多个智能体和障碍物，各所述智能体携带有传感器，所述传感器用于探测传感器探测范围内的局部状态信息； 基于部分可观测马尔可夫决策过程构建多智能体的合作任务模型； 构建层次博弈的深度强化学习模型，所述深度强化学习模型包括高层策略模块和低层策略模块； 采集在所述追逃博弈场景下按照所述合作任务模型进行追逃仿真的智能体的博弈信息，所述博弈信息包括局部状态信息； 利用所述博弈信息对所述低层策略模块和所述高层策略模块进行训练； 利用训练完成的高层策略模块得到进行博弈的智能体的指导信息，并通过所述低层策略模块基于所述指导信息得到所述智能体的动作信息，基于所述动作信息控制所述智能体进行追逃博弈； 所述合作任务模型包括观测空间模型和动作空间模型，构建所述观测空间模型的步骤，包括： 获得各所述智能体在各个时间步内的内部状态信息以及外部状态信息，所述外部状态信息为由所述智能体的传感器检测到的外部的局部状态信息；基于所述内部状态信息和外部状态信息构建得到观测空间模型； 构建所述动作空间模型的步骤，包括： 获得各所述智能体在各个时间步内在x轴的加速度信息和在y轴的加速度信息；基于各所述智能体在x轴的加速度信息和在y轴的加速度信息构建动作空间模型； 所述利用所述博弈信息对所述低层策略模块和所述高层策略模块进行训练的步骤，包括： 利用所述博弈信息对所述低层策略模块进行训练； 在所述低层策略模块的训练迭代次数达到所述高层策略模块的更新频率的情况下，基于所述博弈信息对所述高层策略模块进行训练。

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同济大学，其通讯地址为：200082 上海市杨浦区四平路1239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”。