跳到正文
arXiv · 机器人与计算机视觉· Qi Kang, Haris N. Koutsopoulos, Hongliang Guo, Jinhua Zhao·· 16 天前AI 评分58

Hi-CoLA:基于高置信度下界近似的强化学习用于灵活路线公交运营控制

Hi-CoLA: High Confidence Lower Bound Approximation Based Reinforcement Learning for Flex-Route Transit Operation Control

AI 导读

该论文研究灵活路线公交(FRT)系统的实时运营控制安全问题,提出 Hi-CoLA 框架以解决强化学习策略缺乏统计性能保证的问题。该方法结合重要性采样、集中不等式与可微代理网络,高效估计高置信度性能下界并通过策略梯度优化。在芝加哥某实际路线的 SUMO 仿真案例中,Hi-CoLA 在平均和尾部风险性能上均优于最先进的离线及安全强化学习方法。材料为预印本,尚未通过同行评审。

来源:arXiv · 机器人与计算机视觉 · arxiv.org