技術(shù)特征：

1.基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，其特征在于，包括如下步驟，

2.如權(quán)利要求1所述的基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，其特征在于，在編碼器中，采用注意力機(jī)制來(lái)傳遞每個(gè)興趣點(diǎn)的關(guān)鍵字信息，并采用多層感知機(jī)來(lái)處理興趣點(diǎn)之間的距離信息；在解碼器中，利用注意力機(jī)制得到每個(gè)時(shí)間步下應(yīng)訪問的興趣點(diǎn)；同時(shí)基于gpu的并行計(jì)算來(lái)同時(shí)生成多條路徑來(lái)提高結(jié)果質(zhì)量，最后將多條路徑的距離均值作為基線參與到強(qiáng)化學(xué)習(xí)的策略梯度計(jì)算得到全局最優(yōu)路徑。

3.按照權(quán)利要求1所述的基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，其特征在于：步驟1中，結(jié)合ig-tree結(jié)構(gòu)與h2h算法得到過濾篩選候選集具體包括步驟如下：

4.按照權(quán)利要求1所述的基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，其特征在于：步驟2中，基于編碼器-解碼器的深度學(xué)習(xí)模型得到最優(yōu)的興趣點(diǎn)組合方法如下：

5.如權(quán)利要求4所述的基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，其特征在于：在步驟2.3中，模型將第一個(gè)訪問的興趣點(diǎn)、上一個(gè)訪問的興趣點(diǎn)，以及起點(diǎn)和終點(diǎn)對(duì)應(yīng)的行節(jié)點(diǎn)向量進(jìn)行拼接，構(gòu)造出當(dāng)前狀態(tài)的向量表示，并將其作為query令牌；該query令牌與列節(jié)點(diǎn)中每個(gè)興趣點(diǎn)的向量進(jìn)行注意力分?jǐn)?shù)計(jì)算，所得的分?jǐn)?shù)反映了當(dāng)前時(shí)間步下每個(gè)興趣點(diǎn)作為下一個(gè)訪問節(jié)點(diǎn)的概率；

技術(shù)總結(jié)
本發(fā)明屬于時(shí)空數(shù)據(jù)管理技術(shù)領(lǐng)域，具體為基于深度強(qiáng)化學(xué)習(xí)的多關(guān)鍵字覆蓋下最優(yōu)路徑查詢方法，包括以下步驟：利用IG?Tree結(jié)構(gòu)對(duì)大規(guī)模路網(wǎng)進(jìn)行區(qū)域劃分，同時(shí)結(jié)合輸入的關(guān)鍵字需求生成相應(yīng)的興趣點(diǎn)候選集，從而縮小目標(biāo)范圍；采用高效的路網(wǎng)索引技術(shù)H2H對(duì)候選集進(jìn)一步篩選；將經(jīng)過篩選的興趣點(diǎn)候選集輸入到基于編碼器?解碼器的深度學(xué)習(xí)模型中，用于探索關(guān)鍵字覆蓋的最優(yōu)興趣點(diǎn)組合；最后，通過強(qiáng)化學(xué)習(xí)對(duì)模型進(jìn)行訓(xùn)練和優(yōu)化，使其能夠在路網(wǎng)環(huán)境中自主調(diào)整策略并找到全局最優(yōu)路徑。

技術(shù)研發(fā)人員：李佳佳,董濟(jì)鳴,趙穎,楊宇,趙常霖
受保護(hù)的技術(shù)使用者：沈陽(yáng)航空航天大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15