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！

龙图腾网获悉绍兴文理学院申请的专利一种基于卷积增强代理注意力机制的CTSP求解方法及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：CN120354086B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510833906.X，技术领域涉及：G06F18/20；该发明授权一种基于卷积增强代理注意力机制的CTSP求解方法及系统是由刘华文;王佩;吴宗大;胡珂立设计研发完成，并于2025-06-20向国家知识产权局提交的专利申请。

本一种基于卷积增强代理注意力机制的CTSP求解方法及系统在说明书摘要公布了：本发明提供了一种基于卷积增强代理注意力机制的CTSP求解方法及系统，涉及数据处理技术领域，方法包括：获取城市数据和销售员数据；基于城市数据和销售员数据，构建用于描述CTSP问题实例的完全图；基于完全图，构建约束马尔可夫决策过程模型，将路径生成过程建模为逐步决策机制；构建基于卷积增强和代理注意力机制的神经策略网络，其中，神经策略网络用于求解约束马尔可夫决策过程模型；利用强化学习算法对基于卷积增强和代理注意力机制的神经策略网络进行训练；通过训练后的基于卷积增强和代理注意力机制的神经策略网络，生成初步最优路径方案；将最优路径方案输入至传统优化器进行精细优化，得到最终的最优路径方案。

本发明授权一种基于卷积增强代理注意力机制的CTSP求解方法及系统在权利要求书中公布了：1.一种基于卷积增强代理注意力机制的CTSP求解方法，其特征在于，包括： S1：获取城市数据和销售员数据； S2：基于所述城市数据和所述销售员数据，构建用于描述CTSP问题实例的完全图； S3：基于所述完全图，构建约束马尔可夫决策过程模型，通过所述约束马尔可夫决策过程模型的定义状态空间、动作空间、转移动态及奖励函数，将CTSP问题的路径生成过程建模为逐步决策机制； S4：构建基于卷积增强和代理注意力机制的神经策略网络，其中，所述神经策略网络用于求解所述约束马尔可夫决策过程模型； S5：利用强化学习算法对所述基于卷积增强和代理注意力机制的神经策略网络进行训练； S6：通过训练后的基于卷积增强和代理注意力机制的神经策略网络，生成初步最优路径方案； S7：将所述最优路径方案输入至传统优化器进行精细优化，得到最终的最优路径方案； 其中，所述神经策略网络包括问题初始化网络、编码器以及解码器；所述S4具体包括： S401：通过所述问题初始化网络对所述完全图进行处理，生成所述神经策略网络的初始输入向量； S402：通过所述编码器中的卷积增强和代理注意力机制提取所述初始输入向量的深度特征，得到深度特征嵌入向量； S403：基于所述深度特征嵌入向量和路径构造的历史状态信息，构造当前时间步的上下文变量，其中，所述上下文变量包括图的平均嵌入向量和上一步所选节点的节点嵌入向量和节点颜色属性； S404：基于所述上下文变量与所述节点嵌入向量，通过所述解码器中的代理注意力机制与卷积增强模块，确定节点选择概率分布； S405：根据所述节点选择概率分布，通过贪婪选择的方式，选择当前时间步所访问的目标节点，并将所述目标节点追加至当前路径序列； S406：依据所述目标节点更新当前路径构造状态以及候选节点集合，重复执行所述S403至S405的过程，直至所有城市节点均被访问； 其中，所述S404具体包括： S4041：将所述上下文变量作为查询向量，节点嵌入向量作为键向量和值向量，通过代理注意力机制与卷积增强联合组成的注意力层，计算每个候选节点的注意力得分： ； 其中，表示第i个候选节点的注意力得分，C表示超参数，表示双曲正切算子，d表示嵌入向量的维度； S4042：对各个所述候选节点执行有效性判断，筛选满足门控条件的目标候选节点： ； 其中，表示第t个时间步选择节点的颜色，表示第t-1个时间步选择节点的颜色，表示空集，表示第个时间步访问过的节点； S4043：对各个所述目标候选节点的注意力得分进行归一化处理，生成所述节点选择概率分布： ； 其中，表示在t-1个时间步边连接到第i个候选节点的概率，表示连接节点之间的边在t-1个时间步第i个候选节点的特征表示，e表示指数函数，表示第i个候选节点的注意力得分，表示第i个候选节点的注意力得分经过指数变换后的值，n表示目标候选节点的总数，j表示求和的索引变量，表示所有候选节点的指数注意力得分之和。

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绍兴文理学院，其通讯地址为：312000 浙江省绍兴市越城区城南大道1077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”。