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！

龙图腾网获悉广东海洋大学申请的专利一种基于自我对弈的海洋牧场智能决策系统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：CN121189166B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511343910.4，技术领域涉及：G06F30/27；该发明授权一种基于自我对弈的海洋牧场智能决策系统是由李昭;邱龙华;周四维;颜云榕;黄建盛设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种基于自我对弈的海洋牧场智能决策系统在说明书摘要公布了：本发明涉及一种基于自我对弈的海洋牧场智能决策系统，包括：多模态数据感知模块，用于采集多模态数据并通过图神经网络构建时空关联特征图谱；大模型决策中枢模块，用于通过跨模态对齐技术将多模态数据映射至统一语义空间，并基于注入的海洋生态因果图进行变量关联推理；动态博弈优化模块，用于将生态保护目标与经济效益目标作为博弈双方，并搜索帕累托最优解；虚实联动执行模块，用于根据决策指令驱动投海洋牧场数字孪生体与物理设备执行对应操作，并通过联邦学习实现模型参数动态更新。本发明可提升养殖产量，降低生态灾害损失，同时支持碳汇资产数字化认证，为海洋牧场提供兼具生态适应性与经济鲁棒性的智能决策支持。

本发明授权一种基于自我对弈的海洋牧场智能决策系统在权利要求书中公布了：1.一种基于自我对弈的海洋牧场智能决策系统，其特征在于，包括： 多模态数据感知模块，用于采集多模态数据，所述多模态数据包括卫星遥感数据、水下传感器数据、声呐信号及渔业市场数据，并基于所述多模态数据通过图神经网络构建时空关联特征图谱； 大模型决策中枢模块，基于预训练的垂直领域大模型OceanGPT构建，用于通过跨模态对齐技术将多模态数据映射至统一语义空间，并基于注入的海洋生态因果图作为先验知识进一步完善时空关联特征图谱，实现变量关联推理，通过大模型决策生成一系列指令集组成策略空间； 动态博弈优化模块，用于将生态保护目标与经济效益目标作为博弈双方，从所述策略空间搜索帕累托最优解作为最终指令集； 虚实联动执行模块，连接海洋牧场数字孪生体与物理设备，用于根据决策指令驱动海洋牧场数字孪生体与物理设备执行对应操作，并通过联邦学习实现大模型决策中枢模块的参数动态更新； 具体的，虚实联动执行模块的构建原理，包括以下： 数字孪生体预验证，需要验证最终指令集中的最优决策指令对于环境和生物的影响，包括环境响应模型和生物行为模型，其中，环境响应模型用于描述污染物浓度随空间和时间的变化,由于该方程是复杂的非线性偏微分方程，解析解在一般情况下不存在，因此，在数字孪生体预验证中，采用数值方法进行求解，相关公式如下： ； ； 其中为污染物浓度，为扩散系数，为流速场，为温度驱动的生化反应项，是扩散项离散化，是对流项离散化，和分别表示流速场在方向和方向上的分量，和为计算网格在方向和方向的步长，通过计算当前时间污染物浓度的变化趋势，进而判断对环境的影响； 生物行为模型用鱼群移动方程来表示，由于微分方程无法直接解析求解，采用显式欧拉法进行离散化，得到随时间变化的鱼群个体位置，相关公式如下： 其中为初始化鱼群个体位置，表示为权重值，表示的是第条鱼的邻居鱼群集合，为环境适宜度函数，为投饵点的空间坐标，为邻居鱼群位置，后两项分别表示投饵吸引力和群体聚集效应，通过环境适宜、投饵吸引力和群体聚集效应判断鱼群移动方向，进而评估对生物行为的影响，为时间步长，为时间点，其中， 可行性分级机制，根据数字孪生体输出的生态经济复合指标EECI进行决策分级： ； ； ； ； 其中表示为权重值，为生物量变化率，为初始时刻的鱼群总生物量，为鱼群密度函数由同一时间所有个体位置的统计分布生成，为利润变化率，为初始时刻的经济利润，为生态风险增量，为自然状态下的风险值，表示安全临界浓度，为阶跃函数，时为1否则为0，为Sigmoid归一化函数； 分级规则如下： ：直接下发至物理设备执行； ：触发博弈模块重新优化； ：生成警报并启动人工复核流程； 使用联邦学习实现大模型决策中枢模块的参数动态更新，增加新型污染事件的处理机制，该部分的损失函数为： ； 其中，表示新型污染事件的预测任务损失函数，为灾难性遗忘抑制系数，和分别为新旧数据分布，表示KL散度，用于计算模型在新旧数据上输出的概率分布之间的差异。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1号；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。