| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究的背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 研究的目标和内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 相关研究工作 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 强化学习 | 第19-24页 |
| 2.2.1 基于强化学习的智能控制方法 | 第20-21页 |
| 2.2.2 强化学习的MDP模型 | 第21页 |
| 2.2.3 强化学习的最优策略 | 第21-22页 |
| 2.2.4 行为选择策略 | 第22-23页 |
| 2.2.5 TD算法 | 第23页 |
| 2.2.6 Sarsa学习算法 | 第23-24页 |
| 2.3 中心式路径诱导系统 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于Sarsa学习的路径诱导算法 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 传统路径诱导算法 | 第27-29页 |
| 3.2.1 Dijkstra算法 | 第28页 |
| 3.2.2 A*算法 | 第28-29页 |
| 3.3 基于Sarsa学习路径诱导系统的强化学习模型 | 第29-31页 |
| 3.3.1 路径诱导算法的强化学习模型 | 第29页 |
| 3.3.2 Q值表 | 第29-30页 |
| 3.3.3 基于Q值的动态规划算法 | 第30-31页 |
| 3.4 基于Sarsa学习的路径诱导算法 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于全局和局部联合控制策略的动态路径诱导算法 | 第35-44页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于全局和局部联合控制策略的波兹曼概率分布 | 第36-38页 |
| 4.2.1 改进的波兹曼概率分布 | 第36-37页 |
| 4.2.2 全局控制策略 | 第37页 |
| 4.2.3 局部控制策略 | 第37-38页 |
| 4.3 基于全局和局部联合控制策略的动态路径诱导算法 | 第38-40页 |
| 4.4 全局和局部控制参数分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于多层网络的Sarsa学习路径诱导算法 | 第44-56页 |
| 5.1 引言 | 第44-45页 |
| 5.2 多层网 | 第45-48页 |
| 5.3 遗传算法聚类 | 第48-49页 |
| 5.3.1 遗传算法 | 第48-49页 |
| 5.3.2 基于遗传算法的聚类分析 | 第49页 |
| 5.4 基于遗传算法的多层网方法 | 第49-51页 |
| 5.5 基于多层网的路径诱导算法 | 第51-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 仿真与实验结果分析 | 第56-69页 |
| 6.1 SUMO仿真器 | 第56-58页 |
| 6.1.1 SUMO仿真器介绍 | 第56-57页 |
| 6.1.2 SUMO仿真器界面 | 第57-58页 |
| 6.2 路径诱导算法算法仿真实验 | 第58-68页 |
| 6.2.1 仿真设置 | 第58-59页 |
| 6.2.2 基于Sarsa学习的路径诱导算法 | 第59-64页 |
| 6.2.3 基于全局和局部联合控制策略的动态路径诱导算法 | 第64-67页 |
| 6.2.4 基于多层网络的Sarsa学习路径诱导算法 | 第67-68页 |
| 6.3 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |
