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！

龙图腾网获悉北京师范大学申请的专利基于图神经网络和强化学习的绿道选址优化方法及装置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：CN121189686B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511194323.3，技术领域涉及：G06Q10/0631；该发明授权基于图神经网络和强化学习的绿道选址优化方法及装置是由穆望舒;王顾思远;叶思菁设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于图神经网络和强化学习的绿道选址优化方法及装置在说明书摘要公布了：本发明提供一种基于图神经网络和强化学习的绿道选址优化方法及装置，涉及城市建设规划技术领域，该方法包括：获取研究区域内的待选线要素和面要素；计算每个面要素内生成的若干个体需求点与待选线要素之间的覆盖关系；在循环执行马尔可夫决策过程中进行采样，对智能体进行训练，获得绿道选址方案；在每次循环时，智能体利用图神经网络将当前状态进行聚合编码，作为策略网络的输入；环境在当前已选线要素达到最大线要素长度时，从每个面要素内随机采样实际需求数量的目标个体需求点，将当前已选线要素覆盖到的目标个体需求点的数量与目标个体需求点的总数量之比作为奖励。本发明可以训练出考虑不确定性的智能体，从而获得更加均衡、全面的绿道选址方案。

本发明授权基于图神经网络和强化学习的绿道选址优化方法及装置在权利要求书中公布了：1.一种基于图神经网络和强化学习的绿道选址优化方法，其特征在于，包括： 获取研究区域内的多个待选线要素和用于组织需求的多个面要素； 在每个所述面要素内生成若干个体需求点，并计算所述个体需求点与所述待选线要素之间的覆盖关系； 基于所述待选线要素及其属性、所述面要素及其属性、所述待选线要素之间的交点要素及其属性、所述个体需求点和所述覆盖关系搭建环境； 在循环执行马尔可夫决策过程中进行数据采样，得到训练数据集；在每次循环时，智能体利用图神经网络将所述环境反馈的当前状态进行聚合编码，作为策略网络的输入；所述环境在当前已选线要素达到最大线要素长度时，从每个所述面要素内的所述若干个体需求点中随机采样实际需求数量的目标个体需求点，将基于所述覆盖关系确定的所述当前已选线要素覆盖到的所述目标个体需求点的数量与所述目标个体需求点的总数量之比作为反馈给所述智能体的奖励； 基于所述训练数据集对所述智能体进行训练，利用训练好的智能体获得绿道选址方案，所述绿道选址方案包括多个已选线要素和覆盖到的需求总量； 所述在循环执行马尔可夫决策过程中进行数据采样，得到训练数据集，包括： 复制预设数量的所述智能体和所述环境； 为每个所述智能体和所述环境分配一个线程，利用所述智能体和所述环境循环执行马尔可夫决策过程，并在循环执行马尔可夫决策过程中进行数据采样，直至各所述线程的总采样数量达到预设采样数量，得到所述训练数据集； 所述利用所述智能体和所述环境循环执行马尔可夫决策过程，并在循环执行马尔可夫决策过程中进行数据采样，包括： 循环执行以下步骤： 所述智能体向所述环境请求当前状态；所述当前状态包括所述待选线要素、所述面要素和所述待选线要素之间的交点要素的属性； 所述智能体将所述环境反馈的所述当前状态转化为状态张量，并将所述状态张量输入所述图神经网络中进行聚合编码，得到边聚合后的编码张量； 所述智能体将所述边聚合后的编码张量输入所述策略网络中，得到不同动作的概率，并对非法动作进行屏蔽，得到概率分布；所述动作为选择待选线要素； 所述智能体基于所述概率分布采样当前动作，并将所述当前动作提交给所述环境； 所述环境基于所述当前动作进行状态更新，并将下一状态和当前奖励反馈给所述智能体； 将所述当前状态、所述当前动作、所述概率分布、所述下一状态、所述当前奖励以及完成状态进行打包储存，作为本次循环采集的训练数据；所述完成状态用于表征当前不存在任何待选线要素符合限制条件。

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北京师范大学，其通讯地址为：100875 北京市海淀区新街口外大街19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。