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！

龙图腾网获悉西南交通大学申请的专利一种基于多目标深度强化学习的服务功能链放置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：CN116614394B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310550450.7，技术领域涉及：H04L41/16；该发明授权一种基于多目标深度强化学习的服务功能链放置方法是由邢焕来;蒲雨彤;肖智文;王心汉;冯力;张新有;滕飞设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于多目标深度强化学习的服务功能链放置方法在说明书摘要公布了：本发明公开了一种基于多目标深度强化学习的服务功能链放置方法，具体为：生成需要放置的服务功能链实例以及用户服务需求；将用户服务需求映射为子问题，并为每个优化指标分配权重偏好；判断权重偏好是否在以往时间步出现，检索当前权重偏好对应的问题最优神经网络模型；否则，初始化当前权重偏好下的神经网络模型；获取当前物理网络环境信息输入时空编码器中进行信息编码；将编码信息输入分布式强化学习智能体中，智能体神经网络进行决策计算并生成决策函数；保存并更新当前权重下的神经网络模型参数，执行分布式强化学习中所有智能体的联合决策；服务功能链放置任务完成。本发明提高了在不同动态网络环境下放置服务功能链的资源分配能力。

本发明授权一种基于多目标深度强化学习的服务功能链放置方法在权利要求书中公布了：1.一种基于多目标深度强化学习的服务功能链放置方法，其特征在于，包括以下步骤： 步骤1：生成需要放置的服务功能链SFC实例，以及用户服务需求； 步骤2：同权重预训练：将用户服务需求映射为子问题，并为每个优化指标分配一个权重偏好；根据分配好的权重偏好组合，在历史训练记录中寻找是否存在当前权重组合已训练的情况；如果已训练，则直接抽取当前权重组合在上一时间的最优神经网络模型，用于后续分布式强化学习中的决策计算；否则，初始化当前权重组合的神经网络模型，用于当前权重组合下的强化学习训练； 步骤3：获取当前物理网络环境信息； 步骤4：时空编码：将获取的环境信息输入时空编码器中进行信息编码； 步骤5：分布式强化学习：分布式强化学习包括多目标马尔可夫决策过程的制定和分布式强化学习结构；将编码后的信息作为状态输入DDRL-STE智能体中，智能体神经网络进行决策计算，并生成决策函数，在MOMDP中，策略是一个特定的状态到动作的映射π:S→A，智能体通过与相应的环境交互来学习最优策略，以获得最大长期期望累积奖励LTECR，动作为当前时间步t下，被决策用来放置VNF的物理网络基础设施节点n，其中fs,o表示第i类权重组合的子问题中第s类SFC中的第o个VNF；保存并更新当前权重下的神经网络模型参数，执行DDRL-STE中所有智能体的联合决策；将能够获得最大长期期望累积奖励LTECR的网络模型参数进行存储； 步骤6：服务功能链SFC放置任务完成。

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西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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。