典型文献
基于深度强化学习的智能网联车匝道合并策略
文献摘要：
针对高速公路智能网联汽车(CAV)匝道合并时的协同决策问题,提出了一种基于近端策略优化(PPO)改进的协作深度强化学习算法(C-PPO).首先,基于强化学习构建CAV匝道合并场景下的马尔科夫决策过程(MDP)模型,接着设计了一个新颖的协作机制,即在策略更新过程中的多个时期动态考虑匝道附近CAV的策略更新信息,这一过程可以协调地调整优势值以实现匝道合并车辆之间的协作.实验结果表明,与传统的PPO算法相比,C-PPO算法在匝道合并问题中的效果显著优于基于PPO和ACKTR等主流算法.
文献关键词：
深度强化学习;智能网联车;匝道合并;近端策略优化;马尔科夫决策过程
中图分类号：
作者姓名：
陈广福
作者机构：
广东工业大学,广东广州510006
文献出处：
引用格式：
[1]陈广福-.基于深度强化学习的智能网联车匝道合并策略)[J].电脑知识与技术,2022(33):1-3
A类：
匝道合并,ACKTR
B类：
智能网联车,高速公路,智能网联汽车,CAV,协同决策,决策问题,近端策略优化,PPO,深度强化学习算法,马尔科夫决策过程,MDP,协作机制,更新过程,新信息,势值,合并问题,流算法
AB值：
0.200088
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
