کنترل هوشمند شبکه ترافیک بر مبنای عامل به کمک تئوری بازیها
Publish place: National Conference on Electrical Engineering, Telecommunications and Sustainable Development
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,212
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECTRICA01_016
تاریخ نمایه سازی: 11 اردیبهشت 1394
Abstract:
امروزه با روند رو به رشد افزایش خودروها در شبکه های حملو نقل شهری، روشهای کلاسیک در کنترل ترافیک شهری قابل استفاده نبوده و نیازبه روشهای هوشمند افزایش مییابد. سیتمهای چند عامله ابزار مناسبی جهت مدلسازی سیستمهای توزیع شده به شمار میروند که ترافیک شهریرا نیز میتوان به کمک آن مدل کرد. نظریه بازیها یک ابزار ریاضی است که به بررسی نحوهی تصمیمگیری و رفتار عاملها در سیستمهای چند عامله در محیط میپردازد که نتیجه بهدست آمده توسط هر عامل علاوه بر تصمیمات خود عامل،به رفتار و اعمال سایر عاملها نیز بستگی دارد.یادگیری از تجربیات گذشته نیز میتواند تصمیمگیری بهتری را منتج شود. روش یادگیری Q این امکان را برای عاملها فراهم میآورد که بتوانند با استفاده از تجربیات خود خط مشی مناسب را یاد بگیرند.در این مقاله روش ترکیبی برای کنترل ترافیک شهری با مدل سیستمهایچندعامله بر اساس نظریه بازیها و مبتنی بر یادگیری Q فازی ارائه شده است.در این روش عامل با توجه به یادگیری Q فازی و تعامل با عاملهای دیگر از طریق نظریه بازیها اقدام به یافتن بهترین زمانبندی چراغ راهنمایی میکند. شبیه سازی روش ارائه شده با هدف کاهش میزان تأخیر در زمان سفر، موفقیت آن را نشان میدهد
Keywords:
Authors
امیر حقانی
دانشجوی کارشناسی ارشد، موسسه آموزش عالی غیرانتفاعی پیام گلپایگان
ابوالقاسم دائی چیان
دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان استادیار، دانشکده برق، موسسه آموزش عالی غیرانتفاعی پیام گلپایگان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :