抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,ネットワークレベルトラフィック信号制御において,高い実時間性能を達成するために,完全分散深層マルチエージェント強化学習(MARL)アルゴリズムを提案した。このアプローチでは,各交差点を,無向グラフとしてモデル化したトラヒック信号ネットワークにおいて,他の交差点ノードに対してMarkovゲームを演ずるエージェントとしてモデル化し,遅延における最適低減をアプローチした。部分的可観測Markov決定プロセス(POMDP)の後,隣接学習エージェントの間の3つのレベルの通信方式がある:独立深いQ希薄化(IDQL),共有状態強化学習(S2RL),およびS2RL-S2R2Lの共有状態および報酬バージョン。分散MARLスキームのこれらの3つの変異体において,個々のエージェントは,二重DQNのような収束-保証技法によって強化され,二重DQN,優先経験再生,マルチステップブートストラップなどによって,別々にその局所深層Qネットワーク(DQN)を訓練する。提案した3つのMARLアルゴリズムの性能をテストするために,SUMOベースのシミュレーションプラットフォームを開発し,実世界のトラフィック進化を模倣した。許容されたODペア間のランダムトラフィック需要によって,4x4Manhattan型グリッドネットワークをテストベッドとして設定して,2つの異なる車両到着率をモデル訓練と試験のために作り出す。実験結果は,S2R2Lが,トレーニングプロセスにおけるIDQLとS2RLより,より速い収束速度とより良い収束性能を有することを示した。さらに,3つのMARLスキームは全て例外的な一般化能力を明らかにした。それらの試験結果は,平均車両遅延,ネットワークレベル待ち行列長さおよび燃料消費率の判定基準の下で,ベンチマークMax圧力(MP)アルゴリズムを上回った。特に,S2R2Lは,MPと比較して,34.55%のトラフィック遅延を減らし,10.91%の待ち行列長を消散する最良の試験性能を有した。【JST・京大機械翻訳】
