★ 2
多智能体强化学习调节自动驾驶网约车定价与调度
论文研究如何用惩罚型监管限制自动驾驶网约车（AMoD）运营商的动态定价并改善区域服务覆盖，将静态监管建模为 MDP、动态监管建模为部分可观测随机博弈，用图多智能体强化学习求解。基于曼哈顿真实数据，固定惩罚将遭遇过高价格旅客比例从 22% 降至 1%，动态监管奖励比同等强度固定惩罚高 15.6%。
arXiv cs.LG6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究如何用惩罚型监管限制自动驾驶网约车（AMoD）运营商的动态定价并改善区域服务覆盖，将静态监管建模为 MDP、动态监管建模为部分可观测随机博弈，用图多智能体强化学习求解。基于曼哈顿真实数据，固定惩罚将遭遇过高价格旅客比例从 22% 降至 1%，动态监管奖励比同等强度固定惩罚高 15.6%。