| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 交通信号控制发展研究现状 | 第11-14页 |
| 1.2.2 单交叉口自适应控制研究现状 | 第14-17页 |
| 1.3 研究的目的及意义 | 第17-18页 |
| 1.4 论文研究技术路线 | 第18-20页 |
| 第二章 强化学习原理与函数逼近方法 | 第20-34页 |
| 2.1 强化学习原理 | 第20-27页 |
| 2.1.1 强化学习模型 | 第20-21页 |
| 2.1.2 强化学习基本要素 | 第21-23页 |
| 2.1.3 马尔科夫决策过程 | 第23-25页 |
| 2.1.4 行为选择方法 | 第25-27页 |
| 2.2 强化学习算法 | 第27-29页 |
| 2.2.1 时间差分TD算法 | 第27-28页 |
| 2.2.2 Q学习算法 | 第28-29页 |
| 2.3 基于神经网络逼近的强化学习方法 | 第29-34页 |
| 2.3.1 神经网络逼近方法简介 | 第29-30页 |
| 2.3.2 基于神经网络逼近的强化学习算法 | 第30-34页 |
| 第三章 基于状态离散的单交叉口配时优化在线Q学习模型 | 第34-52页 |
| 3.1 仿真平台构建 | 第34-39页 |
| 3.1.1 Vissim仿真路口构建与参数设置 | 第35-36页 |
| 3.1.2 Vissim-Excel VBA-Matlab数据通信 | 第36-38页 |
| 3.1.3 集成仿真平台的运行 | 第38-39页 |
| 3.2 基于状态离散的在线Q学习配时模型 | 第39-52页 |
| 3.2.1 在线Q学习配时模型的要素 | 第39-44页 |
| 3.2.2 在线Q学习仿真流程 | 第44-47页 |
| 3.2.3 在线Q学习仿真结果 | 第47-52页 |
| 第四章 基于神经网络逼近的单交叉口配时优化在线Q学习模型 | 第52-62页 |
| 4.1 基于神经网络逼近的Q学习模型要素 | 第52-53页 |
| 4.1.1 状态、行为与奖赏 | 第52页 |
| 4.1.2 行为选择策略 | 第52-53页 |
| 4.2 基于神经网络逼近的Q学习算法 | 第53-59页 |
| 4.2.1 算法结构 | 第53-54页 |
| 4.2.2 算法流程 | 第54-58页 |
| 4.2.3 算法仿真结果 | 第58-59页 |
| 4.3 与状态离散的Q学习算法对比 | 第59-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 附录A 在线Q学习代码 | 第72-84页 |
| A.1 Vissim仿真控制代码 | 第72页 |
| A.2 在线Q学习VBA主程序代码 | 第72-81页 |
| A.3 Q学习Matlab代码 | 第81-84页 |
| 附录B 基于神经网络逼近的Q学习算法代码 | 第84-94页 |
| B.1 基于神经网络逼近的Q学习算法VBA代码 | 第84-91页 |
| B.2 基于神经网络逼近的Q学习算法Matlab代码 | 第91-94页 |
