南京邮电大学杨骏铭获国家专利权
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！
龙图腾网获悉南京邮电大学申请的专利一种面向区域协同的强化学习实时订单派送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：CN115731007B 。
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：202211580746.5，技术领域涉及：G06Q30/0601；该发明授权一种面向区域协同的强化学习实时订单派送方法是由杨骏铭;李炜卓;章翔;孟令东;高辉;归耀城;季秋设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。
本一种面向区域协同的强化学习实时订单派送方法在说明书摘要公布了：一种面向区域协同的强化学习实时订单派送方法，基于区域栏栅化处理构建空间地理信息；对空间位置价值信息进行编码，获取对应特征向量矩阵；结合订单分配矩阵和订单接受率因素，计算单个区域内的效益度指标；将子区域按流量权重分配计算总效益度指标，并确定因素限制条件集合；根据优化目标函数和约束条件提出约束优化方程组，通过拉格朗日乘子将求解约束优化问题转化成无约束优化问题；使用总效益度指标作为深度强化学习奖惩值；通过环境交互优化参数，进而获取训练好后的实时派单模型。本方法可以显著提高快递派单系统实时响应速度，有助于解决区域协同的智能派单效益最大化问题。
本发明授权一种面向区域协同的强化学习实时订单派送方法在权利要求书中公布了：1.一种面向区域协同的强化学习实时订单派送方法，其特征在于：包括如下步骤： 步骤1，基于获取的订单和派送员位置信息，将地理数据进行栏栅化处理，并根据规则编码生成订单分配矩阵Dij和状态特征向量组Aij； 步骤2，根据状态特征信息向量组Aij计算派送员对于订单的接受概率Pij； 步骤3，利用效益度指标计算单个子区域价值，确定优化目标和约束条件s.t.； 步骤4，根据目标优化函数和限制条件列出多目标优化方程组，通过拉格朗日对偶将含约束多目标优化问题转化为无约束优化问题，构建迭代更新数据流； 步骤5，根据深度强化学习框架，使用区域总价值函数作为奖赏函数，并基于迭代更新流设计损失函数来更新派单模型神经网络参数，获得强化学习派单更新迭代模型； 步骤6，在测试环节将计算得到的损失与设定阈值条件相比较，根据比较结果判断模型是否优化完成，进而获得可部署的区域协同的强化学习派单模型，输入实时的订单和派送员信息，实现强化学习的实时区域协同订单派送。
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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号