基于Setter模型的巴士拥挤高效缓解

课程学习在强化学习领域日益增长，作为提高各种任务训练效率的方法。它涉及随着智能体学习不断修改环境的难度（课程），以鼓励更优的智能体行为和更高的奖励状态。然而，目前大多数课程学习方法都涉及课程的离散转换或由程序员指定的步骤，或仅在小型对手上使用自动课程学习。本文提出了一种新颖的课程学习方法，该方法使用Setter模型自动生成动作空间、对手力量、初始化以及拥挤强度。交通和运输优化是众所周知的研究领域，尤其是针对基于强化学习的解决方案。我们特别关注本研究中的巴士拥挤问题。该问题的核心思想是最小化因巴士时刻不高效而导致的乘客延误。尽管该领域的大量探索使得针对性能的创新和改进在边际上有限，但它同时为开发新的通用技术提供了有效的基线。我们特别关注课程学习及其对训练效率和整体性能的影响。我们决定尝试一种较少人知的课程学习方法，其中课程不固定或离散阈值化。我们的方法涉及由一个 adversary network 动态选择和学习的课程，该网络旨在增加智能体训练的难度，并由多种输入形式定义。本文后续章节将展示我们的实验结果。