Aprendizaje profundo por refuerzo para el control de señales de tráfico ecológico y distribuido en entornos urbanos con toma de decisiones de equilibrio multiagente
Autores: Yan, Liping; Wang, Jing
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aprendizaje profundo por refuerzo para el control de señales de tráfico ecológico y distribuido en entornos urbanos con toma de decisiones de equilibrio multiagente
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Ventajas
Coordinación
Comunicación
Equilibrio de Nash
Algoritmo
Simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El Aprendizaje por Refuerzo Multiagente (MARL) ha demostrado fuertes ventajas en el control de señales de tráfico en intersecciones urbanas múltiples, pero también sufre de problemas de entorno no uniforme y coordinación entre agentes.
Descripción
El Aprendizaje por Refuerzo Multiagente (MARL) ha demostrado fuertes ventajas en el control de señales de tráfico en intersecciones urbanas múltiples, pero también sufre de problemas de entorno no uniforme y coordinación entre agentes.