一种交通信号自学习控制方法

基于智能体的信号控制方法已经成为研究热点之一,目前遗传算法已被用来实现agent的自学习,论文将Q-学习应用在城市交通控制中,用来解决单路口信号控制agent的自学习问题,经过仿真试验,并与遗传算法的结果相对比,证明此方法的控制效果较好.     

基于分布式Q学习的区域交通协调控制的研究

介绍了强化学习和分布式Q学习的基本思想,并将分布式Q学习应用到区域交通协调控制中,通过对其进行研究和分析,提出一种适合于区域交通协调控制的奖惩函数和权值函数.在微观交通仿真软件Paramics上对控制算法进行仿真实验,实验结果说明基于分布式Q学习的区域交通协调控制算法的效果优于传统的定时控制,从而也验证了奖惩函数以及权值函数的有效性.     

基于Q-Learning的智能体训练

针对机器人足球比赛的多智能体环境下智能体的训练问题,提出了一种将模糊控制与Q-Learning相结合的学习方法,并在学习过程中自动调节回报函数以获得最优策略,此方法的有效性在中型组的仿真平台上得到了验证,并取得了较好效果,还可将它改进应用于其他多智体环境。