交叉口信号优化控制的深度循环Q学习方法

• 作者: 施赛江 陈锋
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 交通信号控制 Q学习 深度循环网络 深度Q学习 深度循环Q学习
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 85-89
• 页数: 5页
• 分类号: TP181
• 字数: 3774字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.06.018

摘要

为了降低交叉口信号控制的部分可观测马尔科夫特性对深度Q学习性能的影响,引入深度循环Q学习,将全连接网络层改为LSTM层,同时针对当前研究中动作空间较小的缺点,改进了动作空间.通过仿真实验,将所提算法与深度Q学习算法、传统的定时控制和Q学习算法的平均延误在三种不同饱和度流量下进行了对比.实验结果表明,改进动作空间的深度循环Q学习算法的性能要优于上述其他三种算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈锋	中国科学技术大学信息科学技术学院	95	1887	22.0	41.0
2	施赛江	中国科学技术大学信息科学技术学院	1	2	1.0	1.0