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！

龙图腾网获悉北京航空航天大学申请的专利一种基于分层强化学习的车辆无人机协同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：CN119671420B 。

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：202411696960.6，技术领域涉及：G06Q10/083；该发明授权一种基于分层强化学习的车辆无人机协同调度方法是由赵鹏;蔡开泉;李萌;朱衍波设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于分层强化学习的车辆无人机协同调度方法在说明书摘要公布了：本发明涉及一种基于分层强化学习的车辆无人机协同调度方法，属于交通运输和物流技术领域，解决了现有技术中“地空一体”联合运输成本高、效率低和资源配置不合理的问题，包括：步骤S1，构建城市快速物流运输的交互式仿真环境；步骤S2，利用r‑MDP基于车辆无人机的协同调度过程构建车辆无人机动态调度模型；步骤S3，设计分层强化学习算法框架，并通过分层强化学习算法框架求解车辆无人机动态调度模型，得到协同调度策略；以及步骤S4，将得到的协同调度策略代入构建的交互式仿真环境中进行验证，得到验证结果，若验证结果满足预设要求，输出该协同调度策略用于车辆无人机协同调度，否则返回步骤S3修改参数并重新构建分层强化学习算法框架。

本发明授权一种基于分层强化学习的车辆无人机协同调度方法在权利要求书中公布了：1.一种基于分层强化学习的车辆无人机协同调度方法，其特征在于，包括以下步骤： 步骤S1，构建城市快速物流运输的交互式仿真环境； 步骤S2，利用r-MDP基于车辆无人机的协同调度过程构建车辆无人机动态调度模型； 步骤S3，设计分层强化学习算法框架，并通过分层强化学习算法框架求解车辆无人机动态调度模型，得到协同调度策略；以及 步骤S4，将得到的协同调度策略代入构建的交互式仿真环境中进行验证，得到验证结果，若验证结果满足预设要求，输出该协同调度策略用于车辆无人机协同调度，否则返回步骤S3修改参数并重新构建分层强化学习算法框架； 其中，所述步骤S1具体包括以下步骤： 步骤S1.1，结合实际需要和历史信息，对运输需求动态到达的时间分布进行仿真； 步骤S1.2，结合实际获得的顾客位置点分布规律和历史相关信息，对运输需求生成的空间分布进行仿真，将该对运输需求动态到达的时间分布的仿真和对运输需求生成的空间分布的仿真作为仿真环境； 步骤S1.3，在仿真环境中配置车队的车辆和无人机的性能指标以及行驶参数，得到交互式仿真环境； 其中所述步骤S2具体包括以下步骤： 步骤S2.1，定义触发动态决策的时间点，设tk表示第k个动态决策点的时间：新的顾客需求到达、车辆返回配送中心和车辆结束了上一段等待间隔Δt，该三项事件发生的时间均判定为触发动态决策的时间点； 步骤S2.2，基于触发动态决策的时间点，构建r-MDP中的各项组成要素，包括状态空间Sk、动作空间Ak、状态转移Pk、奖励函数Rk； 步骤S2.3，基于实际车队运营者的优化目标，构建r-MDP的动态决策过程中的目标函数，r-MDP中的各项组成要素和该目标函数构成车辆无人机动态调度模型； 其中所述步骤S3具体包括以下步骤： 定义分层强化学习算法框架，该分层强化学习算法框架包括上层智能体、下层智能体和路径启发算法层，以及通过定义输入、算法执行过程和训练方法，制定算法流程的伪代码，得到分层强化学习算法框架，并且通过分层强化学习算法框架求解车辆无人机动态调度模型得到协同调度策略。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。