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！

龙图腾网获悉广东工业大学申请的专利基于多智能体强化学习的舆情演化分析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：CN116484949B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310435427.3，技术领域涉及：G06N5/01；该发明授权基于多智能体强化学习的舆情演化分析方法是由郭仕钧;谢光强设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本基于多智能体强化学习的舆情演化分析方法在说明书摘要公布了：本发明的目的在于提供一种基于多智能体强化学习的舆情演化分析方法，包括：在初始化智能体决策模型后，智能体通过探索环境并结合预先设置奖励函数获取实施奖励值，并通过动力学模型进行智能体舆情值更新；在智能体完成收敛或达到最大步数限制时结束一轮探索，将本轮探索中获得的信息通过策略梯度方法对智能体决策模型进行更新；通过本方法，解决了相关技术中智能体无法自动适应的学习到促进一致性的决策问题，在有限的步数中增强了舆情动力学中系统的一致性性能。

本发明授权基于多智能体强化学习的舆情演化分析方法在权利要求书中公布了：1.一种基于多智能体强化学习的舆情演化分析方法，其特征在于，包括： 初始化基于LSTM网络的智能体决策模型、经验池，以及初始化智能体系统环境； 每个所述智能体将自身在任一时刻中检测到的邻居集合和探索动作集合，分别保存到临时经验池中； 通过所有智能体在任一时刻的动作生成该时刻的通信拓扑矩阵；并根据所述通信拓扑矩阵和所述智能体系统环境更新下一时刻的智能体系统环境； 利用预先设的奖励方法，获取每个智能体在该时刻的奖励；并将所述奖励放入对应的智能体探索经验池中，再将智能体探索经验池中的数据分别保存到所述临时经验池中； 根据预先设定的停止条件，在所述经验池中随机选取至少1条智能体轨迹信息作为策略梯度方法输入，并得到策略梯度输出，对所述智能体决策模型进行更新； 设定最大训练轮数，对所述智能体决策模型探索训练，得到学习后的智能体决策模型； 通过所述学习后的智能体决策模型使所述智能体根据所述智能体系统环境自适应的进行一致性决策； 所述在所述经验池中随机选取至少1条智能体轨迹信息作为策略梯度方法输入，并得到策略梯度输出，对所述智能体决策模型进行更新，包括： 从经验池D中不重复的随机选取batch_size条智能体轨迹信息D_i作为策略梯度方法的输入，初始化loss_all＝0； 取出智能体轨迹信息D_i中的信息，分别得到：智能体轨迹的观测值列表obs＝{sk|k∈0,lenD_i}、智能体i轨迹的动作列表acts＝{ak|k∈0,lenD_i}以及智能体i轨迹的奖励列表rewards＝{rk|k∈0,lenD_i}；其中lenD_i为轨迹信息D_i的长度； 对得到的奖励列表rewards求衰减奖励值reward_sum；从奖励列表rewards中按照逆序依次取出其中的奖励值reward，初始reward_sum＝0，按照公式： reward_sum＝reward×0.9+reward_sum，，得到衰减奖励reward_sum，并将每一步求得的衰减奖励reward_sum替换掉衰减奖励reward_sum列表中对应位置的奖励值reward，获得衰减奖励列表reward_rd；对得到的衰减奖励表reward_rd进行标准化操作；reward_sum，表示上一步求得的衰减奖励reward_sum； 根据智能体i的动作列表obs和衰减奖励列表reward_rd，获取当前损失值： 判断是否遍历完所有选中的智能体，并对智能体决策模型更新； 对得到的衰减奖励表reward_rd进行标准化操作，包括： 对衰减奖励表中的每一个值reward按公式进行操作： reward＝[reward–avgreward_rd]stdreward_rd； 其中，avgreward_rd表示衰减奖励列表reward_rd中元素的平均值，stdreward_rd表示衰减奖励列表reward_rd中元素的标准差。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。