MMMar, 2023

未见流量场景下通信负载平衡的策略重用

PDF
TL;DR本研究提出了一种基于强化学习的策略重用框架，通过在各种交通场景下训练和存储策略，并结合流量条件，选择最适合的预训练策略以更好地解决通信网络负载均衡问题。实验结果表明，这种方法比传统的基于规则和适应性方法表现更出色。
communication load balancingreinforcement learningpolicy reuse frameworktraffic scenariospolicy bank
发现论文，激发创造
  • 通过高效的逆强化学习实现通信负载平衡

    本文提出了一种采用逆向强化学习方法来解决通信负载平衡问题的方案，并通过从一组演示中推断出奖励函数和学习负载平衡策略的方法，取得了在真实场景中更适用和更具一般性的效果。实验表明所提出的方案优于其他基线方法。

    Mar, 2023

  • 提高大规模交通信号控制的泛化能力和稳健性

    本研究探讨了使用分布式强化学习方法控制交通信号灯的鲁棒性和泛化能力，提出了一种组合使用分布式和标准强化学习的策略集成方法，并使用隐式分位点网络（Implicit Quantile Networks）进行建模，在缺失的数据和不同的交通网络结构下取得了优秀的控制效果。

    Jun, 2023

  • 面向交通信号控制的鲁棒深度强化学习：需求激增、事故和传感器故障

    本论文详细研究采用深度强化学习（RL）算法解决交通拥堵问题，并开发了一个开源框架以评估这些算法在不同的交通模拟环境下的表现。通过考虑一系列外生不确定因素，如需求激增、容量减少和传感器故障等。我们得出了深度强化学习算法在交通控制领域的关键见解，并提出了具体的设计以减轻这些考虑过的外生不确定因素对系统的影响。

    Apr, 2019

  • 限带宽下的多智能体通信学习 —— 基于互联网数据包路由的应用

    本研究提出了一种门控机制来自适应地剪枝无用消息，使得在多智能体通信时，性能得到显著提升，同时在真实世界中的数据包路由任务和四个基准测试任务中，比现有的基于深度强化学习和基于规则的方法都表现良好。

    Feb, 2019

  • 野外强化学习：在打车市场部署的可扩展的强化学习调度算法

    本研究提出了一种基于强化学习的实时调度算法，采用了新型的时间差异价值更新方法，并引入了自适应图剪枝策略，实现了 A/B 测试下司机收入总量提升超过 1.3％和全面部署后主要性能指标提升达到 5.3％的显著性能提升。

    Feb, 2022

  • 针对智能代理人自然语言交流的定期策略优化

    提出一个可以通过联合推理视觉观察和语言输入来学习自然语言指令的新型策略优化算法，该训练范式提供了有效的探索和更好的泛化能力，相比现有的集成模型，我们提出的最佳模型在块世界环境中的执行错误率可以大幅降低超过 50％，同时还包括系统性的研究以展示我们 RL 算法的探索策略。

    Jun, 2018

  • 通过深度符号回归实现闭式拥塞控制

    该论文提出了一种使用强化学习和深度符号回归来处理 5G 时代中超低时延和高吞吐场景下拥塞控制问题的方法。通过训练一个专门针对类似前传网络的拥塞控制策略，并采集基准策略的状态 - 动作经验，使用深度符号回归方法处理实时推理的挑战，从而实现基准策略的性能和泛化能力。该方法能够近似基准性能（链路利用率、延迟和公平性）并可以直接在任何编程语言中实现，并对闭合形式表达式的内部工作进行了分析。

    Mar, 2024

  • 情景感知交通规则例外的知情强化学习

    应用有结构的规则书与情景感知奖励设计，我们引入了 Informed Reinforcement Learning，通过学习轨迹使代理能够学习需要控制交通规则例外的情况，并在自动驾驶领域中展示了高完成率。

    Feb, 2024

  • 用于路面交通管制的离线强化学习技术

    本研究基于批量强化学习的方法，运用基于惩罚项的自适应奖励方式在普通的循环交通信号控制策略下，构建出一个马尔可夫决策过程（MDP）的学习框架，不仅提高了对于不同分布情境的管理优化，还显著提高了交通信号控制的效率。

    Jan, 2022

  • 基于技能发现的自动驾驶车辆交叉口自适应决策

    提出一种基于强化学习和动作基元的分层框架，可自主收集和重复使用知识来解决城市环境下自动驾驶面临的挑战和不确定性，通过 CARLA 模拟器的测试，其表现优于其他基线方法。

    Jul, 2022