[发明专利]一种基于多智能体的资源分配方法与系统有效
| 申请号： | 201910775734.X | 申请日： | 2019-08-21 |
| 公开（公告）号： | CN110648049B | 公开（公告）日： | 2022-06-03 |
| 发明（设计）人： | 卢宗青;姜杰川 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06Q10/06 | 分类号： | G06Q10/06 |
| 代理公司： | 北京辰权知识产权代理有限公司 11619 | 代理人： | 刘广达 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于多智能体的资源分配方法与系统，包括：S1控制器选择一个子策略；S2被选子策略获取环境的观察信息，执行动作得到动作奖励；S3重复S2，处理单元使用得到的多个动作奖励，利用强化学习算法更新被选子策略的参数；S4处理单元用分布式算法更新被选子策略的效用平均值；S5处理单元根据效用平均值和策略奖励反馈公式，确定被选子策略的策略奖励，保存至存储单元；S6控制器选择新的子策略，循环执行S2至S5，直至该循环次数达到阈值次数结束；S7处理单元根据与各子策略对应的各策略奖励，用强化学习算法更新控制器参数。分层强化学习模型能够使智能体快速适应复杂环境。使用多个子策略，并与其他智能体协同确定策略奖励，通用性强。 | ||
| 搜索关键词： | 一种 基于 智能 资源 分配 方法 系统 | ||
【主权项】：
1.一种基于多智能体的资源分配方法，其特征在于，其应用于单个智能体，智能体包括控制器、多个子策略、处理单元、存储单元，包括：/nS1，控制器选择一个子策略；/nS2，被选子策略获取环境的观察信息，执行动作，得到动作奖励；/nS3，重复S2，处理单元使用S2中得到的多个动作奖励，利用强化学习算法更新被选子策略的参数；/nS4，处理单元使用分布式算法更新所述被选子策略的效用平均值；/nS5，处理单元根据所述效用平均值和策略奖励反馈公式，确定被选子策略的策略奖励，保存至存储单元；/nS6，控制器选择新的子策略，循环执行S2至S5，直至该循环次数达到阈值次数结束；/nS7，处理单元根据与各子策略对应的各策略奖励，使用强化学习算法更新控制器参数。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学，未经北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910775734.X/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
