LEARNING
用于智能交叉口控制的分布鲁棒多智能体强化学习框架
Shuwei Pei, Joran Borger, Arda Kosay, Bayu Jayawardhana, Muhammed O. Sayin, Saeed Ahmed
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文提出了一种算法无关的分布鲁棒多智能体强化学习框架，通过自适应上下文赌博机最坏情况估计器动态生成对抗性需求混合，增强策略在瓶颈场景下的鲁棒性。实验表明该框架能有效防止队列无限增长，同时提升最坏情况鲁棒性和平均效率。
关键词
multi-agent reinforcement learningdistributionally robusttraffic signal controlcontextual banditworst-case estimation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018