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！

龙图腾网恭喜北京交通大学申请的专利一种基于多智能体强化学习的铁路BIM数据边缘缓存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：CN117473616B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202311463023.1，技术领域涉及：G06F30/13；该发明授权一种基于多智能体强化学习的铁路BIM数据边缘缓存方法是由刘真;冯铭泽;王岩楠;刘泽帅;李浥东设计研发完成，并于2023-11-06向国家知识产权局提交的专利申请。

本一种基于多智能体强化学习的铁路BIM数据边缘缓存方法在说明书摘要公布了：本发明提供了一种基于多智能体强化学习的铁路BIM数据边缘缓存方法。该方法包括：构建BIMDipFM模型，利用BS下用户与BIM数据的历史交互信息对留存率进行预测，获取BIM数据的内容重要性程度，采用马尔可夫博弈模型建立多节点协同缓存模型，得到每个缓存节点的BIM数据缓存状态和需求状态，生成系统中智能体的当前时刻环境状态，构建动作掩码模块，过滤无效动作，输出动作空间，基于actor网络通过GumbleSoftmax算法输出确定动作，Agent在环境中执行确定动作，输出奖励，获取新环境状态，将环境状态、确定动作、奖励和新环境状态储存经验回放池中，经验回放池储存满后进行经验回放，更新目标网络，以提高BIM数据的缓存效率，减轻云侧和核心网络的流量负载，提升用户访问速度。

本发明授权一种基于多智能体强化学习的铁路BIM数据边缘缓存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铁路BIM数据边缘缓存方法，其特征在于，包括：步骤S10、构建BIMDipFM模型，利用边缘服务器节点BS下用户与内容的历史交互信息对留存率进行预测，获取高铁建筑信息模型BIM数据的内容重要性程度；步骤S20、根据所述BIM数据的内容重要性程度，在高铁BIM多边缘节点缓存场景下采用马尔可夫博弈模型建立多节点协同缓存模型，得到每个缓存节点的BIM数据的缓存状态和需求状态；步骤S30、根据每个缓存节点的BIM数据的缓存状态和需求状态，生成系统中智能体的当前时刻环境状态；步骤S40、根据所述智能体当前时刻环境状态，构建动作掩码模块，过滤无效动作，缩小动作空间，输出动作空间；步骤S50、根据所述动作空间基于actor网络通过GumbleSoftmax算法输出确定动作；步骤S60、边缘服务器Agent在环境中执行所述确定动作，环境发生改变，根据奖励计算公式计算奖励，输出奖励；步骤S70、重复执行所述步骤S40至步骤S60的处理过程，获取新环境状态，将环境状态、确定动作、奖励和新环境状态作为经验储存经验回放池中；步骤S80、所述经验回放池储存满后进行经验回放，更新actor网络和critic网络，最后再更新目标网络；所述的步骤S10包括：获取根据内容留存率预测的高铁BIM训练数据共n个，每个数据记作x,y，其中x＝{x1,x2,…,xm}，y∈{0,1}，x是由m个用户-内容特征组成，用户-内容特征包含内容标签离散特征和内容最长持续时间特征，y表明用户是否留存，若用户浏览内容的时间超过设置的阈值或内容最长持续时间，则y＝1，表明用户留存，否则y＝0，表明用户未留存；BIMDipFM模型包括嵌入表示模块、FM模块和DNN模块，历史交互信息中每一条数据包含用户ID与内容项目ID，根据ID将用户、内容特征数据进行拼接得到输入特征，BIMDipFM将Deep层和FM层输出作为sigmoid函数的输入得到预测结果，其表达式如式1-1所示：y＝sigmoidyFM+yDNN#1-1其中，输出的y值是每个用户对每个内容的留存率，根据预测结果得到某个内容fi的平均留存率，如式1-2所示： 根据平均留存率定义内容重要性如式1-3所示：H＝{h1,h2,…,hM}#1-3其中，hi表示内容fi的重要性，i是内容序号。

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交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。