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！

龙图腾网获悉中南大学申请的专利基于深度强化学习的空天地网络拥塞控制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：CN119364423B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411609681.1，技术领域涉及：H04W28/02；该发明授权基于深度强化学习的空天地网络拥塞控制方法是由桂劲松;李正洋;邓晓衡设计研发完成，并于2024-11-12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空天地网络拥塞控制方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的空天地网络拥塞控制方法，包括获取目标空天地网络的数据信息；设定优化目标并进行建模；对决策过程的状态空间、动作空间和奖励函数进行设置；构建决策过程的状态预测模块、奖励再分配模块和优化策略模块；根据构建的模块进行基于深度强化学习的空天地网络的拥塞控制。本发明通过获取多个目标空天地网络的数据信息的数据信息，并基于状态空间、动作空间和奖励函数的设置，以及状态预测、奖励再分配和优化策略的实现，不仅实现了基于深度强化学习的空天地网络的拥塞控制，而且可靠性更高，精确性更好，效果也更好。

本发明授权基于深度强化学习的空天地网络拥塞控制方法在权利要求书中公布了：1.一种基于深度强化学习的空天地网络拥塞控制方法，包括如下步骤： S1.获取目标空天地网络的数据信息； S2.根据步骤S1获取的数据信息，设定优化目标，并进行建模； 具体实施时，设定的优化目标包括用户应用的吞吐量、延迟、抖动、数据包丢失率和可靠性；将拥塞控制定义为一个考虑动态延迟、探求平衡状态，并保证公平性的决策问题； S3.对决策过程的状态空间、动作空间和奖励函数进行设置； 具体实施时，状态空间包括空天地集成网络GASN状态、网络层NL状态和传输层TL状态；根据发送速率控制的动作表达式和当前状态，将发送速率更新动作转换为拥塞窗口更新动作；设定子流f的奖励函数，将一个时间的全部状态-动作序列划分为若干个相同且长度为LSAS的短序列，并估计每个短序列的累积奖励； S4.构建决策过程的状态预测模块、奖励再分配模块和优化策略模块； 具体实施时，通过状态预测模块预测得到最新的GASN和NL状态，将预测得到的GASN和NL状态和所有流的TL状态合并作为全局状态，输入到表征网络中提取特征向量；在动作选取过程中，每个智能体采用经典演员-评论家架构，通过接收与自己负责的流以及特征向量相关的GASN、NL和TL状态信息，来优化其效用函数，进而决定其控制的特定流的发送速率；在具体训练过程中，奖励再分配模块将环境在特定时期提供的累积奖励重新分配到每个状态-动作对以构成能够直接学习的经验样本；采用基于GRU的神经网络作为表征网络； S5.根据构建的模块，进行基于深度强化学习的空天地网络的拥塞控制。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。