[1]郭新兰,李涛.基于人工蜂群的交通信号自适应优化控制[J].常州工学院学报,2013,(自科02):6-12.[doi:10.3969/j.issn.1671-0436.2013.02.002]
.Department of Mechanical and Electrical Engineering,Nanjing Communications Institute of Technology,Nanjing 88.Huawei Technologies Co.Ltd.,et al.G UO Xinlan 1,LI Tao 2[J].Journal of Changzhou Institute of Technology(Social Science Edition),2013,(自科02):6-12.[doi:10.3969/j.issn.1671-0436.2013.02.002]
点击复制
基于人工蜂群的交通信号自适应优化控制
常州工学院学报[ISSN:/CN:]
- 卷:
-
- 期数:
-
2013年自科02
- 页码:
-
6-12
- 栏目:
-
自科版
- 出版日期:
-
2013-06-15
文章信息/Info
- Title:
-
G UO Xinlan 1,LI Tao 2
- 作者:
-
郭新兰1; 李涛2
-
1.南京交通职业技术学院机电工程系,江苏 南京 211188; 2.华为技术有限公司,江苏 南京 210012
- Author(s):
-
1.Department of Mechanical and Electrical Engineering; Nanjing Communications Institute of Technology; Nanjing 211188;2.Huawei Technologies Co.Ltd.; Nanjing 210012
-
-
- 关键词:
-
交通信号控制; 自适应动态规划; 人工蜂群理论
- Keywords:
-
-
- 分类号:
-
U491.54
- DOI:
-
10.3969/j.issn.1671-0436.2013.02.002
- 文献标志码:
-
A
- 摘要:
-
基于不需要明确数学模型的自适应动态规划(ADP),提出一种新的城市交通信号控制算法。考虑到已有ADP算法中主要模块由人工神经网络构成,对模块分别通过梯度下降法训练、调整网络参数,造成ADP模块参数调整效果不理想。文章引入人工蜂群理论(ABC),并将人工蜂群理论用于ADP算法中神经网络参数的优化学习,提出改进的ABADP算法,借助人工蜂群理论的优点来提高神经网络的学习速度,以便尽快取得优化控制效果。将ABADP算法用于单交叉路口的交通信号控制问题,验证所提出算法在学习速度上的优势。仿真结果显示,基于人工蜂群理论的ADP算法可以提高ADP算法的学习效率。
- Abstract:
-
-
备注/Memo
- 备注/Memo:
-
南京交通职业技术学院2011年度科研项目(JY1110)
更新日期/Last Update:
2013-01-20