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！

龙图腾网获悉西北工业大学申请的专利一种混合三类经验的MADDPG多智能体运动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：CN120354876B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510429690.0，技术领域涉及：G06N3/006；该发明授权一种混合三类经验的MADDPG多智能体运动控制方法是由万开方;黄玢艳;吴艺博;郭子正;王歆浩然;李波设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种混合三类经验的MADDPG多智能体运动控制方法在说明书摘要公布了：本发明提出了一种混合三类经验的MADDPG多智能体运动控制方法，属于多智能体深度强化学习领域。MADDPG算法在专家经验的基础上引入劣质经验和优秀经验；劣质经验由反例模块生成，优秀经验由事后经验回放模块生成；通过融合专家经验、劣质经验和优秀经验构建三类经验混合机制，从而提高MADDPG算法的训练效率和稳定性；提升训练样本的多样性和质量，增强多智能体系统在复杂动态环境中的稳定性和决策能力；通过集成反例模块生成劣质经验，能在不确定环境中执行高效且可靠的运动控制，显著提高了多智能体系统的适应性和鲁棒性。

本发明授权一种混合三类经验的MADDPG多智能体运动控制方法在权利要求书中公布了：1.一种混合三类经验的MADDPG多智能体运动控制方法，其特征在于，所述控制方法的技术方案包括以下步骤： 步骤1：设定智能体的环境模型和智能体运动模型； 所述环境模型设定如下： 多智能体系统中的每个智能体为圆形体，智能体的半径为ri；多智能体系统的外界环境中包含一系列动态障碍物，智能体在飞行过程中需避开半径为robs的圆形障碍物以安全抵达目标位置；智能体与障碍物间的碰撞距离Dio＝ri+robs；当智能体与障碍物的欧几里得距离d满足d≤Dio时，表示智能体已经发生碰撞； 当障碍物处于运动状态时，则障碍物运动模型与智能体运动模型一致； 步骤2：构建多智能体联合状态模型； 步骤3：构建MADDPG算法的Actor-Critic网络，并初始化Actor-Critic网络的参数与经验池； 步骤4：判定智能体选择动作的方式； 步骤5：智能体状态更新； 步骤6：使用HER算法生成优秀经验，使用反例模块生成劣质经验； 所述使用HER算法生成优秀经验如下： 当智能体未能完成目标时，将实际达到的状态重新定义为新目标，使得原本被视为失败的经验轨迹依然能为策略学习提供经验；在每一个训练周期中，智能体从初始状态s1开始执行策略Π，根据当前策略采样轨迹并将t时刻的策略采样轨迹以st,At,rt,st+1,g的格式存储在经验池D中；当智能体未能完成目标g时，HER算法从当前轨迹中随机选择状态st'作为替代目标g'，并根据g'重新计算奖励rt'，形成新的采样轨迹{st',At,rt',st+1,g'}；将新的采样轨迹存储在优秀经验池D'中； 所述反例模块采用两种方式生成劣质经验： 一种方式是从智能体的碰撞或失败行为中直接提取劣质经验：一旦检测到碰撞或失败行为，立即将轨迹的最终状态作为劣质经验存储到劣质经验池D”中； 另一种方式是对于历史优秀经验的反向操作生成劣质经验；在轨迹采样的过程中，监控智能体的行为是否出现碰撞或失败行为：从优秀经验池D'中随机采样一些t时刻的优质经验st,At,rt,st+1,g，通过反向调整轨迹的st和At生成劣质经验；计算反向生成的snew+1和rnew，并将生成的劣质经验snew,Anew,rnew,snew+1存入劣质经验池D”中；反例模块为智能体的策略学习提供更多样化的训练数据，进一步提升算法的鲁棒性和适应性； 步骤7：判断多智能体是否进入训练阶段； 步骤8：设定采样策略与经验回放。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。