基于深度强化学习的动态环境下的最大化系统效益方法

被引：0

专利类型：

发明

申请号：

CN201910741705.1

申请日：

2019-08-13

公开(公告)号：

CN110428115A

公开(公告)日：

2019-11-08

发明(设计)人：

刘倩丁冉邢志超吴平阳赵熙唯李骏桂林卿

申请人：

申请人地址：

210094 江苏省南京市玄武区孝陵卫200号

IPC主分类号：

G06Q1004

IPC分类号：

G06N308

代理机构：

江苏楼沈律师事务所 32254

代理人：

沈勇

法律状态：

实质审查的生效

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2019-12-03	实质审查的生效	实质审查的生效 IPC(主分类):G06Q 10/04 申请日:20190813
2019-11-08	公开	公开

共 50 条

[1]

基于深度强化学习的静态环境下的最大化全局吞吐量方法 [P].

刘倩 ;

丁冉 ;

赵熙唯 ;

吴平阳 ;

邢志超 ;

李骏 ;

桂林卿 .

中国专利 :CN110458283A ,2019-11-15

[2]

一种基于深度强化学习的移动边缘计算速率最大化方法 [P].

黄亮 ;

冯旭 ;

钱丽萍 ;

吴远 .

中国专利 :CN108632860B ,2018-10-09

[3]

云网融合环境下基于深度强化学习的组合服务动态重构方法及系统 [P].

刘坤 ;

张鹏程 ;

金惠颖 .

中国专利 :CN119854868A ,2025-04-18

[4]

SDN环境下基于深度强化学习的智能QoS路由优化方法、系统 [P].

孔令彪 ;

崔杰 ;

杨明 ;

仲红 ;

许艳 ;

马建峰 .

中国专利 :CN112491714B ,2022-04-08

[5]

一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 [P].

黄亮 ;

冯旭 ;

冯安琪 ;

黄玉蘋 ;

钱丽萍 ;

吴远 .

中国专利 :CN109195207B ,2019-01-11

[6]

基于环境动态分解模型的深度强化学习方法 [P].

郑岩 ;

郝建业 ;

杨天培 ;

马亿 ;

王聪 .

中国专利 :CN114154582B ,2024-04-19

[7]

基于环境动态分解模型的深度强化学习方法 [P].

王聪 ;

杨天培 ;

郝建业 ;

郑岩 ;

马亿 .

中国专利 :CN114154582A ,2022-03-08

[8]

未知环境下基于深度强化学习的连续空间路径规划方法 [P].

王晓敏 ;

韩金树 ;

杨睿 ;

孙振东 .

中国专利 :CN120085555A ,2025-06-03

[9]

未知环境下基于深度强化学习的连续空间路径规划方法 [P].

王晓敏 ;

韩金树 ;

杨睿 ;

孙振东 .

中国专利 :CN120085555B ,2025-08-19

[10]

一种基于深度强化学习和图神经网络的影响力最大化方法及系统 [P].

朱文龙 ;

张开景 ;

张春宇 ;

杨双双 ;

仲佳慧 ;

季杰 ;

侯成乐 ;

马宇坤 ;

王幽若 ;

宋俏燕 ;

白雨帆 ;

刁迎春 ;

刘沛仑 .

中国专利 :CN119624685A ,2025-03-14

← 1 2 3 4 5 →