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！

龙图腾网恭喜中山大学申请的专利基于深度强化学习的多终端网关资源调度方法及系统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：CN115175196B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210651835.8，技术领域涉及：H04W16/10；该发明授权基于深度强化学习的多终端网关资源调度方法及系统是由陈翔;陈子贤;王玺钧;邱继云设计研发完成，并于2022-06-09向国家知识产权局提交的专利申请。

本基于深度强化学习的多终端网关资源调度方法及系统在说明书摘要公布了：本发明公开了基于深度强化学习的多终端网关资源调度方法及系统，该方法包括：初始化终端网关并获取当前时间的环境状态；基于策略执行网络和策略评价网络对当前时间的环境状态进行提取和评价处理，得到推荐扩频码方案；根据推荐扩频码方案进行终端网关的资源调度，得到调度结果；根据调度结果对策略执行网络和策略评价网络进行更新，并基于更新后的策略执行网络进行终端网关的资源调度。通过使用本发明，能够使终端网关高效共享有限扩频通信资源的同时降低了多终端网关系统的复杂度。本发明作为基于深度强化学习的多终端网关资源调度方法及系统，可广泛应用于同步卫星物联网扩频通信技术领域。

本发明授权基于深度强化学习的多终端网关资源调度方法及系统在权利要求书中公布了：1.基于深度强化学习的多终端网关资源调度方法，其特征在于，包括以下步骤：初始化终端网关并获取当前时间的环境状态；通过策略执行网络对当前时间的环境状态进行提取处理并结合策略评价网络对策略执行网络的提取结果进行评价处理，得到推荐扩频码方案；根据推荐扩频码方案进行终端网关的资源调度训练，得到调度结果；根据调度结果对策略执行网络和策略评价网络进行更新，并基于更新后的策略执行网络进行终端网关的资源调度；所述通过策略执行网络对当前时间的环境状态进行提取处理并结合策略评价网络对策略执行网络的提取结果进行评价处理，得到推荐扩频码方案这一步骤，其具体包括：通过策略执行网络对当前时间的环境状态进行提取处理，得到初步的推荐扩频码方案；通过策略评价网络和当前时间的环境状态对初步的推荐扩频码方案进行评价处理，得到推荐扩频码方案；所述通过策略执行网络对当前时间的环境状态进行提取处理，得到初步的推荐扩频码方案这一步骤，其具体包括：基于策略执行网络输入层对当前时间的环境状态进行特征提取处理，得到第一特征信息；基于策略执行网络汇聚层对当前时间的环境状态进行数据维度提取处理，得到第一高维度信息；基于策略执行网络输出层，结合第一特征信息和第一高维度信息，输出当前时间的环境状态对应的价值并进行取最大值操作，得到初步的推荐扩频码方案；所述通过策略评价网络和当前时间的环境状态对初步的推荐扩频码方案进行评价处理，得到推荐扩频码方案这一步骤，其具体包括：基于策略评价网络输入层对当前时间的环境状态和初步的推荐决策方案进行特征提取处理，得到第二特征信息；基于策略评价网络汇聚层对当前时间的环境状态和初步的推荐决策方案进行数据维度提取处理，得到第二高维度信息；基于策略执行网络输出层，结合第二特征信息和第二高维度信息，输出推荐扩频码方案；所述根据调度结果对策略执行网络和策略评价网络进行更新，并基于更新后的策略执行网络进行终端网关的资源调度这一步骤，其具体包括：随机选取调度结果并通过多智能体深度强化算法对策略执行网络和策略评价网络进行更新训练，得到训练差值；根据训练差值进行判断，判断到满足截止训练条件，输出更新后的策略执行网络和更新后的策略评价网络；基于更新后的策略执行网络进行终端网关的资源调度；所述策略评价网络的更新公式如下所示： 上式中，Lnω表示计算的误差函数，α表示学习率，ω表示策略评价网络的参数，B表示每次计算的批大小，S表示当前环境，πS表示当前决策动作，S,A,R,S'表示该次训练抽取的调度经验，R表示执行动作后环境反馈的及时奖励，S'表示执行动作后的环境状态，γ表示衰减率，Qt、Q均表示策略评价网络，πt、π均表示策略执行网络；所述策略执行网络的更新公式如下所示： 上式中，Jnθ表示计算的误差函数，α表示学习率，θ表示策略执行网络的参数。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。