Deep-Dispatch：一种基于深度强化学习的高级空中交通车辆调度算法
人工智能
2023-12-19 v1 机器学习
摘要
不久的将来，使用电动垂直起降（eVTOL）飞行器的空中出租车运营将受到 eVTOL 频繁充电需求、垂直起降机场有限的起降坪以及随时间变化的需求和电价的限制，这使得 eVTOL 调度问题独特且极具挑战性。此前，我们开发了优化模型来解决这一问题。然而，当问题规模增大时，此类优化模型的计算运行时间极高，使其在现实世界实施中缺乏实用性。为了克服这一问题，我们开发了两种基于深度强化学习的 eVTOL 调度算法，即单智能体和多智能体深度 Q 学习 eVTOL 调度算法，其目标是最大化运营利润。我们构建了一个基于 eVTOL 的客运仿真环境，以在 个具有不同 eVTOL 数量、垂直起降机场和需求数量的数值案例中评估我们算法的性能。结果表明，与基准优化模型相比，多智能体 eVTOL 调度算法能够以显著更少的计算开销逼近最优调度策略。研究发现，在产生的利润和训练时间方面，多智能体算法均优于单智能体算法。
关键词
引用
@article{arxiv.2312.10809,
title = {Deep-Dispatch: A Deep Reinforcement Learning-Based Vehicle Dispatch Algorithm for Advanced Air Mobility},
author = {Elaheh Sabziyan Varnousfaderani and Syed A. M. Shihab and Esrat F. Dulia},
journal= {arXiv preprint arXiv:2312.10809},
year = {2023}
}
备注
14 figures