基于深度确定性策略梯度的智能车汇流模型

Sifan WU,Yu DU,Shijie XU,Shuo YANG,Chen DU

Computer Engineering（2020）

引用 1|浏览16

暂无评分

摘要

采用离散动作空间描述速度变化的智能车汇流模型不能满足实际车流汇入场景的应用要求,而深度确定性策略梯度(DDPG)结合策略梯度和函数近似方法,采用与深度 Q 网络(DQN)相同的网络结构,并使用连续动作空间对问题进行描述,更适合描述智能车速度变化.为此,提出一种基于 DDPG算法的智能车汇流模型,将汇流问题转化为序列决策问题进行求解.实验结果表明,与基于 DQN 的模型相比,该模型的收敛速度较快,稳定性和成功率较高,更适合智能车汇入车辆场景的应用.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要