基于异步优势演员-评论家的交通信号控制方法

叶宝林,孙瑞涛,吴维敏,陈滨,姚青

Traffic signal control method based on asynchronous advantage actor-critic

Baolin YE,Ruitao SUN,Weimin WU,Bin CHEN,Qing YAO

表 2 对比实验中各深度强化学习模型的参数设置

Tab.2 Parameter setting of various deep reinforcement learning model in comparative experiment

实验对比 参数 数值 融合权重增益网络的A3C 算法、传统A3C算法 Actor网络学习率 0.000 02 Critic网络学习率 0.000 2 Actor网络神经元数量 200 Critic网络神经元数量 100 折扣因子 0.9 训练步数 200 训练时间/s 7 200 DQN算法 学习率 0.000 02 神经元数量 200 折扣因子 0.9 训练步数 200 训练时间/s 7 200