Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东港口陆海国际物流集团有限公司;山东港口陆海国际物流集团发展有限公司;山东陆海通数字科技有限公司巩如省获国家专利权

山东港口陆海国际物流集团有限公司;山东港口陆海国际物流集团发展有限公司;山东陆海通数字科技有限公司巩如省获国家专利权

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!

龙图腾网获悉山东港口陆海国际物流集团有限公司;山东港口陆海国际物流集团发展有限公司;山东陆海通数字科技有限公司申请的专利基于强化学习的集装箱箱位推荐方法、系统、设备及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:CN120632606B

龙图腾网通过国家知识产权局官网在2026-05-08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:202510478659.6,技术领域涉及:G06F18/2415;该发明授权基于强化学习的集装箱箱位推荐方法、系统、设备及介质是由巩如省;姜涛;陈宇;郑拓;王云华;陈安一;王宏唱;王帅;王杰设计研发完成,并于2025-04-16向国家知识产权局提交的专利申请。

基于强化学习的集装箱箱位推荐方法、系统、设备及介质在说明书摘要公布了:本申请涉及集装箱调度技术领域,具体涉及一种基于强化学习的集装箱箱位推荐方法、系统、设备及介质,包括:获取堆场状态数据和待入场集装箱属性数据并编码为联合状态向量;将联合状态向量输入训练好的箱位推荐模型,计算所有可用箱位的动作价值,选择动作价值最高的箱位为推荐箱位,输出推荐箱位的位置信息;执行实际箱位选择操作,记录实际选择箱位的位置信息;根据实际选择箱位生成反馈信号;将联合状态向量、实际选择箱位、反馈信号及箱位选择后的堆场状态数据存入经验回放池,通过采样训练数据更新箱位推荐模型的参数。本申请可提升堆场空间利用率与作业效率,降低箱位冲突和翻箱移动成本,实现多目标协同优化,环境适应性强。

本发明授权基于强化学习的集装箱箱位推荐方法、系统、设备及介质在权利要求书中公布了:1.一种基于强化学习的集装箱箱位推荐方法,其特征在于,包括: S1.获取堆场状态数据和待入场集装箱属性数据,堆场状态数据包括堆场中各个场区、贝、排的位置及空余情况、已存放集装箱的位置和属性数据; S2.将堆场状态数据和待入场集装箱属性数据编码为联合状态向量; 联合状态向量的编码规则包括: 将堆场状态数据编码为二维的堆场状态矩阵,堆场状态矩阵包括与场区数量相同的堆场状态子矩阵,每个堆场状态子矩阵对应一个场区,堆场状态子矩阵的行和列分别对应该场区的贝和排,堆场状态子矩阵中的每个元素表示对应位置的空余状态、已存放集装箱类型及层高限制; 待入场集装箱属性数据通过独热编码或嵌入编码转换为特征向量,并与堆场状态矩阵拼接为联合状态向量; S3.将联合状态向量输入训练好的箱位推荐模型,计算所有可用箱位的动作价值,箱位推荐模型为强化学习算法模型; 选择动作价值最高的箱位为推荐箱位,输出推荐箱位的位置信息; 其中,使用ε-贪心策略选择推荐箱位,ε-贪心策略的探索概率ε随训练轮次指数衰减; S4.执行实际箱位选择操作,记录实际选择箱位的位置信息; S5.根据实际选择箱位生成反馈信号,反馈信号关联箱位选择的质量评估指标; 反馈信号R的计算公式为: 式中,Smatch为匹配系数,当实际选择箱位与推荐箱位一致时为1,否则为0; Nmove为预估移动次数,基于目标箱位与关联集装箱的作业路径冲突次数计算; Rwaste为空间浪费率,表达式为: Nempty为目标排当前空余位置数; Nmax为目标排理论最大堆存层数; Ncurrent为目标排已存放集装箱数; α、β、γ为权重系数,满足α+β+γ=1; S6.将联合状态向量、实际选择箱位、反馈信号及箱位选择后的堆场状态数据存入经验回放池,通过采样训练数据更新箱位推荐模型的参数。

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山东港口陆海国际物流集团有限公司;山东港口陆海国际物流集团发展有限公司;山东陆海通数字科技有限公司,其通讯地址为:250000 山东省济南市中国(山东)自由贸易试验区济南片区解放东路25-6号山东港口陆海物流大厦1层;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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。