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！

龙图腾网恭喜中能坤域科技控股(浙江)有限公司申请的专利充电机器人调度方法及存储介质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：CN119443728B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510020235.5，技术领域涉及：G06Q10/0631；该发明授权充电机器人调度方法及存储介质是由白惠源;刘扬;宛涌设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本充电机器人调度方法及存储介质在说明书摘要公布了：本发明提供充电机器人调度方法及存储介质。该充电机器人调度方法针对智能停车场中的多个充电请求，根据充电请求的优先级以及对新增充电请求的预测对充电机器人进行智能调度，包括如下步骤：基于用户的多充电请求，构建车位‑充电系统的优先势场；基于所构建的车位‑充电系统的优先势场，将多目标追踪与优先级智能调度过程建模为马尔可夫决策过程；基于所建模的马尔可夫决策过程，来设计基于模型的强化学习网络，其中强化学习网络包括动态网络、价值‑策略网络以及目标网络；基于所构建的强化学习网络，通过设计动态网络的模型和策略‑价值网络的模型与收集的数据集之间的交互方式，来实现多个网络的并行训练。

本发明授权充电机器人调度方法及存储介质在权利要求书中公布了：1.一种充电机器人调度方法，其特征在于，针对智能停车场中的多个充电请求，根据充电请求的优先级以及对新增充电请求的预测对充电机器人进行智能调度，所述方法包括如下步骤：车位-充电系统的优先势场构建步骤S100，基于用户的多充电请求，构建车位-充电系统的优先势场；马尔可夫决策过程转化步骤S200，基于车位-充电系统的优先势场构建步骤S100中所构建的车位-充电系统的优先势场，将多目标追踪与优先级智能调度过程建模为马尔可夫决策过程；强化学习网络构建步骤S300，基于马尔可夫决策过程转化步骤S200中所建模的马尔可夫决策过程，来设计基于模型的强化学习网络，其中强化学习网络包括动态网络、价值-策略网络以及目标网络；强化学习网络的训练与测试步骤S400，基于强化学习网络构建步骤S300中所构建的强化学习网络，通过设计动态网络的模型和策略-价值网络的模型与收集的数据集之间的交互方式，来进行多个网络的并行训练，其中，车位-充电系统的优先势场构建步骤S100包括建立无向拓扑网络的步骤S101以及基于所建立的无向拓扑网络设计车辆节点充电请求的优先势场的步骤S102，其中，在建立无向拓扑网络的步骤中，设定车位-充电系统拓扑网络G包括现有的M个车位顶点集vm∈V，m∈1，2，...，M和导轨边集ei，j∈E，i，j∈1，2，...，M，其中ei，j表示联通顶点vi和vj的双向边，车位-充电系统拓扑网络G＝V，E，根据步骤S101中所建立的车位-充电系统拓扑图，首先定义当前时刻k时，停车场的车位系统的占用矩阵Ok：Ok＝{ok，i},i∈V 其中Voccupy表示当前已经占用的车位顶点，在此基础上定义在位置X＝x，y处的优先势场强度gk如下公式1所示： 其中公式1中各相关元素描述设计如下：顶点优先值jk,i： 其中jk,i为顶点i在k时间的充电请求的优先值，顶点优先值越大表明充电请求越急切，其通过时间因子进行表示，主要描述了车辆等待充电的时间： 其中tk，t0，i分别表示当前的世界时间以及顶点i所代表的车位被占用的初始时间，θtime代表控制时间因子表征的参数，均值矩阵u，其代表了优先势场的中心点： 协方差矩阵∑，其表示如下： ∑11＝∑22＝λqk,i 其中用户因子依赖于用户的等级和反馈得到，车辆因子针对车辆的充电请求进行描述，λ为权重系数，定义动态网络模型为： ok,i＝dηok-1,i,tkrk＝dθsk其中，rk是奖励函数，sk是状态空间，ak是动作空间，Pk是当前充电机器人的能耗，tk是当前的世界时间，其中网络dθ通过多层感知机实现，网络dη并不属于马尔可夫决策过程的状态转移函数，而是通过长序列预测自适应概率推理框架对于未来的新增请求进行预测。

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能坤域科技控股(浙江)有限公司，其通讯地址为：310000 浙江省杭州市余杭区五常街道爱橙街1号阿里巴巴数字生态创新园10幢2单元7层E702室；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”。