| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究状况 | 第8-10页 |
| ·国外研究状况 | 第8-9页 |
| ·国内研究状况 | 第9-10页 |
| ·论文的主要研究内容 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 强化学习理论 | 第13-25页 |
| ·强化学习发展历史、研究现状及应用 | 第13-14页 |
| ·强化学习发展历史 | 第13页 |
| ·强化学习研究现状和应用 | 第13-14页 |
| ·强化学习基本原理和模型 | 第14-16页 |
| ·强化学习的基本原理 | 第14-15页 |
| ·Agent 和强化学习的模型 | 第15-16页 |
| ·基于模型的强化学习 | 第16-20页 |
| ·马尔可夫决策过程 | 第16-18页 |
| ·基于模型的强化学习方法 | 第18-20页 |
| ·模型无关的强化学习 | 第20-22页 |
| ·瞬时差分算法 | 第20页 |
| ·Q 学习算法 | 第20-21页 |
| ·Sarsa 算法 | 第21-22页 |
| ·多 Agent 系统中的分布式强化学习 | 第22-23页 |
| ·强化学习及其应用中存在的问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于 MBRL 的交通信号控制方法 | 第25-39页 |
| ·交通建模及交通信号控制术语 | 第25-27页 |
| ·改进的 TC1 方法—TCSG 交通信号控制方法 | 第27-37页 |
| ·基于车辆状态描述方法的交通信号控制问题建模 | 第27-29页 |
| ·TCSG 交通信号控制方法 | 第29-33页 |
| ·仿真实验及分析 | 第33-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于 Q 学习理论的交通信号控制方法 | 第39-61页 |
| ·DMFQ 交通信号控制方法 | 第39-48页 |
| ·DMFQ 交通信号控制方法介绍 | 第39-42页 |
| ·DMFQ 方法的多 Agent 共享 Q 值协作及学习过程 | 第42-43页 |
| ·仿真实验及分析 | 第43-48页 |
| ·QSGWE 交通信号控制方法 | 第48-53页 |
| ·QSGWE 交通信号控制方法介绍 | 第48-50页 |
| ·QSGWE 方法的学习过程及多 Agent 的共享协作 | 第50页 |
| ·仿真实验及分析 | 第50-53页 |
| ·DMFQV 交通信号控制方法 | 第53-60页 |
| ·DMFQV 交通信号控制方法介绍 | 第54-55页 |
| ·DMFQV 方法的学习过程及多 Agent 共享 V 值的协作 | 第55-56页 |
| ·仿真实验及分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于 Sarsa 学习理论的交通信号控制方法 | 第61-73页 |
| ·DMFS 交通信号控制方法 | 第61-66页 |
| ·DMFS 交通信号控制方法介绍 | 第61-62页 |
| ·DMFS 方法的学习过程及多 Agent 共享 Q 值的协作 | 第62页 |
| ·仿真实验及分析 | 第62-66页 |
| ·SSGWE 交通信号控制方法 | 第66-71页 |
| ·SSGWE 交通信号控制方法介绍 | 第66-67页 |
| ·SSGWE 方法的学习过程及多 Agent 的共享协作 | 第67-68页 |
| ·仿真实验及分析 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-77页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-85页 |
