演化发现交通信号灯的启发式策略
人工智能
2025-12-01 v1
摘要
交通信号灯控制 (TSC) 涉及一个具有挑战性的权衡：经典启发式方法高效但过于简化，而深度强化学习 (DRL) 虽实现高性能，却存在泛化性差和策略不透明的问题。在线大型语言模型 (LLM) 提供通用推理能力，但因延迟高且缺乏环境特定的优化。为此，我们提出了 Temporal Policy Evolution for Traffic (\textbf{\method{}})，利用 LLM 作为演化引擎推导出针对特定交通环境优化的专业化启发式策略。该框架引入了两个关键模块：(1) 结构化状态抽象 (SSA)，将高维交通数据转换为用于推理的时序逻辑事实；(2) 信用分配反馈 (CAF)，追踪微观决策错误导致的宏观结果，以实现针对性批评。完全基于提示词的操作无需训练，\method{} 产生轻量级、稳健的策略，为特定交通环境优化，超越启发式方法和在线 LLM 参与者。
引用
@article{arxiv.2511.23122,
title = {Evolutionary Discovery of Heuristic Policies for Traffic Signal Control},
author = {Ruibing Wang and Shuhan Guo and Zeen Li and Zhen Wang and Quanming Yao},
journal= {arXiv preprint arXiv:2511.23122},
year = {2025}
}