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！

龙图腾网获悉东北大学;天津大学申请的专利一种工业时敏网络中增量混合流的多智能体协作调度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：CN121396918B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511902330.4，技术领域涉及：H04L47/56；该发明授权一种工业时敏网络中增量混合流的多智能体协作调度方法是由邱铁;曹帧瑞;张松伟设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种工业时敏网络中增量混合流的多智能体协作调度方法在说明书摘要公布了：本发明的一种工业时敏网络中增量混合流的多智能体协作调度方法，包括：分析工业时间敏感网络中AVB流与TT流的传输特性，基于网络演算理论，对混合流增量引发的动态干扰进行精细化建模；结合增量混合流引入的动态干扰因素，明确AVB流与TT流的关键传输管理变量；设计基于多智能体协作的流量调度模型，在增量混合流接入时，基于多智能体协同决策生成端到端传输方案；将训练完成的智能体封装为多智能体集群并部署到工业时间敏感网络中，用于在线为增量混合流生成传输方案。该方法可在保障现存AVB流时延约束的同时，满足增量混合流的传输要求，优化传输方案以提升工业时间敏感网络服务质量，充分支撑工业物联网中先进应用的稳定运行。

本发明授权一种工业时敏网络中增量混合流的多智能体协作调度方法在权利要求书中公布了：1.一种工业时敏网络中增量混合流的多智能体协作调度方法，其特征在于，包括： 步骤1：分析工业时间敏感网络中AVB流与TT流的传输特性，基于网络演算理论，结合增量混合流场景下的带宽竞争和时延波动，对混合流增量引发的动态干扰进行精细化建模； 步骤2：结合增量混合流引入的动态干扰因素，明确AVB流与TT流的关键传输管理变量，涵盖传输路由确定与调度时隙划分； 步骤3：设计基于多智能体协作的流量调度模型，在增量混合流接入时，基于多智能体协同决策生成满足时延与带宽约束的端到端传输方案，具体为： 步骤3.1：构建多智能体马尔科夫决策过程； 将求解增量混合流传输管理问题，转化为一个多智能体马尔科夫决策过程，在该多智能体马尔科夫决策过程中，令表示状态空间，当对某条增量混合流进行传输决策时，表示包含流属性信息及网络整体状态的初始状态量；为所有智能体共享的动作空间；在智能体逐跳协作为增量混合流构建端到端传输方案的过程中，每个智能体的输出动作涉及当前跳的路由选择，从而会指定下一跳由哪个相邻智能体接续决策，若智能体依次参与并协同完成了共跳的逐跳决策过程，则该过程表示为： 其中，表示决策过程，为刻画端到端传输方案的整体智能体动作，对应于增量混合流的端到端传输方案，为第个智能体输出的单跳传输动作，对于智能体而言，定义为由前个智能体依次决策输出所形成的动作链，对其当前的单跳传输决策起到引导与约束作用；多智能体的整体决策可表示为一条由各智能体单跳动作构成的动作序列，该动作序列对应于端到端传输方案； 步骤3.2：设计多智能体的状态输入； 对于第个参与决策的智能体，其状态输入由初始状态与动作链组成；初始状态包含流的属性信息，以及基于拓扑连通关系组织得到的整体网络信息；针对智能体，动作链具化为其所映射的局部网络片段中的局部观测状态，该局部观测刻画了前序决策在相邻链路上引入的累积效应； 在局部观测中，若增量混合流为AVB流，智能体关注网络中既有AVB流在相邻链路上的单跳时延上界，并评估经由该链路传输对链路负载的潜在影响；若为TT流，智能体将观测粒度细化至相邻链路上的可用时隙，分析在不同时隙分配选择下对链路传输负载与时隙利用率所引入的波动； 初始状态与局部状态结合形成的完整输入作为智能体在逐跳协作中的状态输入； 步骤3.3：对于不同增量流类型，为智能体定义差异化的动作输出方式； 对于AVB流，智能体在状态下输出的动作为本跳路由选择，仅需指定下一跳传输链路；而对于TT流，智能体在状态下输出的动作同时包含下一跳传输链路和在该链路上分配的时隙集合，以在路由与时隙调度联合决策框架下确保TT流的路由方案与时隙分配方案相互契合且无冲突； 步骤3.4：为使多智能体在协作过程中能够共同优化增量混合流的端到端传输性能，构建基于任务达成情况的奖励函数； 当多智能体协作成功为某条增量流生成满足带宽与时延约束的端到端传输方案时，将该条传输方案视为有效配置，对所有在逐跳决策过程中参与决策的智能体赋予正奖励，奖励值设定为+1；若在决策链条中任意一跳无法找到可行的下一跳链路或可用时隙，从而导致不能形成完整端到端传输方案，则判定本次协作失败，对所有参与决策的智能体赋予负奖励，奖励值设定为−1； 步骤3.5：为每个智能体配置流量感知神经网络FANet，以实现从状态输入到动作输出的策略映射； 步骤3.6：基于近端策略优化算法训练多智能体策略；将所有智能体的策略参数集成为，据此定义智能体集群的整体决策策略为，在多智能体马尔科夫决策过程中，多智能体通过为增量混合流生成传输方案获得累计奖励，并借助优势函数来衡量在初始状态下采取动作相较于平均水平的增量奖励收益来刻画；为提升训练效率与稳定性，采用基于Actor–Critic架构的近端策略优化算法对策略参数进行更新； 步骤4：将训练完成的智能体封装为多智能体集群并部署到工业时间敏感网络中，用于在线为增量混合流生成传输方案。

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东北大学;天津大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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。