已閱讀1頁，還剩42頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、近年來，隨著經(jīng)濟和社會的發(fā)展，交通擁堵問題變得日益嚴重。實踐證明，對一個區(qū)域的交通進行綜合調(diào)度管理是解決交通擁堵問題的有效途徑。然而，由于區(qū)域交通系統(tǒng)統(tǒng)的非線性、模糊性和不確定性，傳統(tǒng)的建模和控制方法效果不好，本文避開建模的問題，應用強化學習的方法進行區(qū)域交通控制，論文的主要工作包括以下三個方面： 1.作為鋪墊和背景，介紹了區(qū)域交通控制和強化學習的一些基本理論，并對現(xiàn)有的一些應用情況進行了分析，簡述了為什么選擇本文方法的原因。
2、 2.提出了一種區(qū)域交通控制優(yōu)化算法。對整個區(qū)域的周期用強化學習(Q學習算法)進行優(yōu)化，把區(qū)域交通網(wǎng)絡(luò)按重要性分成若干條干線，按順序用強化學習優(yōu)化各條干線的相對相位差及干線上各路口的綠信比，再結(jié)合綠信比和相對相位差確定絕對相位差。 3.介紹了交通仿真技術(shù)和TSIS仿真軟件的基本情況，描述了TSIS的RTE接口程序的基本框架和使用方法。利用VC++6.0編寫RTE程序?qū)崿F(xiàn)了本文所提方法并在TSIS5.1下進行仿真，結(jié)果表明該
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于強化學習的交通擁堵控制方法研究.pdf
- 基于強化學習的城市交通信號控制方法研究.pdf
- 基于強化學習的磁導航AGV控制方法研究.pdf
- 基于模糊強化學習的柔性結(jié)構(gòu)控制方法研究.pdf
- 基于強化學習的自適應城市交通信號控制方法研究.pdf
- 基于強化學習的機械臂控制研究.pdf
- 基于強化學習的多機器人協(xié)作控制方法研究.pdf
- 基于強化學習的倒立擺控制研究.pdf
- 基于強化學習的SDN數(shù)據(jù)中心網(wǎng)絡(luò)擁塞控制方法的研究.pdf
- 基于強化學習的異構(gòu)多智能體區(qū)域覆蓋算法研究.pdf
- 基于模糊近似的強化學習方法研究.pdf
- 基于并行強化學習的建筑節(jié)能方法研究.pdf
- 基于因素化表示的強化學習方法研究.pdf
- 基于分層強化學習的AUV路徑規(guī)劃方法研究.pdf
- 基于網(wǎng)絡(luò)能耗與交通效率的區(qū)域邊界控制方法研究.pdf
- 分層強化學習方法研究.pdf
- 基于Option自動生成的分層強化學習方法研究.pdf
- 基于強化學習的城市快速路交織區(qū)入口匝道智能控制方法.pdf
- 基于模糊聚類的分層強化學習方法研究.pdf
- 基于平均型強化學習算法的動態(tài)調(diào)度方法的研究.pdf
評論
0/150
提交評論