منیره عبدوس - دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران
ناصر مزینی - دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران

سیستم های چندعامله ابزار مناسبی جهت مدلسازی سیستمهای توزیع شده به شمار می رود. در اغلب این سیستم ها اطلاعات دقیق و از پیش مشخص از محیط در دسترس نیست و نیاز به روشی است که عاملها بدون داشتن اطلاعات قبلی از محیط بتوانند در آن عمل نمایند. یادگیری Q این امکان را برای عاملها فراهم می آورد که بتوانند با استفاده از تجربیات خود، خط مشی مناسبی را یاد بگیرند. از طرفی دیگر، با افزایش تعداد خودروها در شبکه های شهری، روشهای کلاسیک در کنترل ترافیک شهری قابل استفاده نبوده و نیاز به روش های هوشمند افزایش می یابد. در این مقاله، روشی برای کنترل ترافیک شهری با استفاده از سیستم های چند عامله مبتنی بر یادگیری Q ارائه شده است. یک شبکه شامل تعداد زیادی از تقاطع ها، با یک سیستم چندعامله مدل شده است که در آن عامل ها از یادگیری Q برای یافتن بهترین زمانبندی چراغهای راهنمایی بهره می برند. نتایج حاصل از پیاده سازی روش بر روی شبکه گرید شامل تقاطع های سه فاز و چهار فاز نشان می دهند که روش پیشنهادی باعث کاهش میزان تاخیر در زمان سفر شده و همچنین در حجم ترافیک سنگین زمان اشباع شبکه را به تعویق می اندازد

زمان بندی چراغ های راهنمایی، عامل های یادگیرنده، کنترل هوشمند ترافیک، یادگیری Q