文件名称：基于强化学习动态规划的城市多路径规划模型（2022 Q1 外）
文件大小：3.64MB
文件格式：ZIP
更新时间：2022-09-13 00:20:48
强化学习
在本文中，我们提出了一个多路径DP模型来解决路径规划问题，并证明了它能够在仅使用有限信息作为输入的情况下，找到能够以最短行程时间规划车辆路径的最优策略。我们可以对所提出的方法得出一些结论。 首先，通过在奖励函数中引入距离贡献指数DC I，我们的方法确保了代理可以选择更好的动作，并避免不必要的迂回。 第二，我们的方法不仅生成最优路径，而且生成每个交叉口的驾驶策略。这项政策可以为车辆的最佳路线提供几个可比较的替代方案，从而将交通分流到不同的路线，从而缓解拥堵漂移问题。请注意，介绍部分中提到的所有方法只输出一个
【文件预览】：
基于强化学习动态规划的城市多路径规划模型（2022 Q1 外）.md
基于强化学习动态规划的城市多路径规划模型（2022 Q1 外）.png