文献

J-GLOBAL ID：201902220129854390   整理番号：19A0124440

管理車線の分散動的価格決定のためのマルチエージェント強化学習アルゴリズム【JST・京大機械翻訳】

Multiagent Reinforcement Learning Algorithm for Distributed Dynamic Pricing of Managed Lanes

著者 (2件)： Pandey Venktesh (Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin, Austin, TX, 78712, USA) ,  Boyles Stephen D. (Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin, Austin, TX, 78712, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ITSC  ページ： 2346-2351  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 価格管理車線は,都市高速道路における混雑を管理するためにますます使用されている。本研究は,複数の参入を持つ管理車線に対する動的価格決定の分散モデルを検討し,各分岐点における料金を制御する料金エージェントにより実行した。ここでは,各エージェントに対するMarkov決定プロセスとして問題を定式化し,多エージェント強化学習アルゴリズムを用いて,有限時間層上の収入を最大化する料金政策を見出した。また,料金を離散化する必要のない連続行動空間を探索する局所的な政策探索法を提案した。実際に使用される他の発見的方法に対する分散制御の性能を比較した。試験ネットワークで行った実験は有望な結果を示した。提案したアルゴリズムは,協調を仮定しない他の発見的方法よりも70~86%多くの収益を生成し,管理車線上の自由流れ旅行の違反を時間のわずか5%に低減する料金政策を生成する。合理的な計算時間内での収束の欠如を示すにもかかわらず,提案したアルゴリズムは,既存の発見的手法よりも良好に機能する料金政策を生成し,複数の料金場所を持つ管理車線の動的料金に対する実行可能な代替案を提供する。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  定式化 ,  都市高速道路 ,  分散制御 ,  *学習アルゴリズム ,  *アルゴリズム ,  *エージェント ,  発見的方法 ,  料金 ,  旅行 ,  *価格決定
準シソーラス用語： 離散化 ,  分岐点 ,  分散モデル ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 車線 ,  価格決定 ,  マルチエージェント ,  強化 ,  学習アルゴリズム