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！

龙图腾网获悉兰州交通大学申请的专利基于深度强化学习的矢量建筑物要素压盖冲突处理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：CN120296856B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510787403.3，技术领域涉及：G06F30/13；该发明授权基于深度强化学习的矢量建筑物要素压盖冲突处理方法是由李文德;燕亚辉;闫浩文;禄小敏;李精忠;师尚杰;马鸿;郭芳;王浩设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本基于深度强化学习的矢量建筑物要素压盖冲突处理方法在说明书摘要公布了：本发明属于数据处理技术领域，提供一种基于深度强化学习的矢量建筑物要素压盖冲突处理方法，包括：确定并构建目标空间区域内各个矢量建筑物要素之间的约束Delaunary三角网和骨架线段，生成空间冲突探测场模型；将各个矢量建筑物要素与周围其他矢量建筑物要素的中心点相连，并结合空间冲突探测场模型，确定存在压盖冲突的异常矢量建筑物要素；确定异常矢量建筑物要素的当前状态信息，根据其面积规模进行数据分组以设定每组的约束条件参数及行动奖励信息，并结合DQN模型，得到动作预测信息；依据动作预测信息，控制异常矢量建筑物要素执行位置移动动作直至最优位置。本发明提供的方案，提升了压盖冲突的处理效率、精度及可行性。

本发明授权基于深度强化学习的矢量建筑物要素压盖冲突处理方法在权利要求书中公布了：1.一种基于深度强化学习的矢量建筑物要素压盖冲突处理方法，其特征在于，包括： 确定并构建目标空间区域内各个矢量建筑物要素之间的约束Delaunary三角网和骨架线段，生成空间冲突探测场模型； 将每个矢量建筑物要素与周围其他矢量建筑物要素的中心点相连，得到连心线段，并结合所述空间冲突探测场模型，确定存在压盖冲突的异常矢量建筑物要素； 将异常矢量建筑物要素作为智能体，确定异常矢量建筑物要素的当前状态信息，根据所述异常矢量建筑物要素的面积规模进行数据分组以设定每组的约束条件参数及行动奖励信息，并结合预先构建的DQN模型，使异常矢量建筑物要素与环境自主交互，得到动作预测信息； 依据所述动作预测信息，控制所述异常矢量建筑物要素执行位置移动动作直至最优位置； 设定每组的约束条件参数，包括： 依据目标空间区域对应的图幅边界，确定图幅边界约束条件； 若周围建筑群的分布模式为规则模式，则确定异常矢量建筑物要素与周围建筑群中邻近建筑物要素的最小距离，构建边长为所述最小距离的三倍且容纳异常矢量建筑物要素自身尺寸两倍的第一移动缓冲区，得到规则分布下的移动缓冲区约束条件；若周围建筑群的分布模式为非规则模式，则确定异常矢量建筑物要素与周围建筑群中邻近建筑物要素的最大距离，构建边长为最大距离的四倍且容纳异常矢量建筑物要素自身尺寸两倍的第二移动缓冲区，得到非规则分布下的移动缓冲区约束条件； 依据制图规范规定，确定异常矢量建筑物要素与其他建筑物间的标准距离范围，确定移动距离约束条件； 依据异常矢量建筑物要素在移动过程中与其他矢量建筑物要素产生压盖冲突的状态，确定次生冲突约束条件； 将所述图幅边界约束条件、所述移动缓冲区约束条件、所述移动距离约束条件以及所述次生冲突约束条件，作为每组的约束条件参数； 设定每组的行动奖励信息包括：将边界约束奖励值、缓冲约束奖励值、距离约束奖励值以及次生约束奖励值求和，得到每组的行动奖励信息。

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兰州交通大学，其通讯地址为：730000 甘肃省兰州市安宁区安宁西路118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。