《表2 智能体Agent的动作空间》
提示：宽带有限、当前游客访问压缩模式
控制车速和换道可看成是强化学习问题[22]，在IDM和MOBIL模型基础上提出一种深度学习与Q学习相结合的深度Q-网络[23]DQN智能体来学习Q函数，根据已知的周围车辆的状态和可用的道路信息，智能体在其动作空间选择最佳的换道、加速和减速的动作，智能体的动作空间定义如表2.
| 图表编号 | XD0083860900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 沈宇、王晓、韩双双、陈龙、王飞跃 |
| 绘制单位 | 中国科学院自动化研究所复杂系统管理与控制国家重点实验室、中国科学院大学、青岛慧拓智能机器有限公司、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛慧拓智能机器有限公司、青岛智能产业技术研究院、青岛慧拓智能机器有限公司、中山大学数据科学与计算机学院无人系统研究所、中国科学院自动化研究所复杂系统管理与控制国家重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
