SymLight：基于 MCTS 的可解释可部署交通信号控制符号策略探索
机器学习
2025-11-11 v1 人工智能
摘要
深度强化学习在自动设计有效交通信号控制 (TSC) 策略方面取得显著进展。然而，神经网络策略往往过于复杂且缺乏透明度，限制了其可解释性和在资源受限边缘设备上的可部署性。本 work 提出 SymLight，一种基于蒙特卡洛树搜索 (MCTS) 的优先函数搜索框架，用于发现 inherently 可解释且可部署的符号优先函数，以用作 TSC 策略。优先函数接受交通特征作为输入，输出每个交通信号相位的优先级，从而指导相位转换。为实现有效搜索，我们提出一种简洁且具表达力的优先函数表示方式，有助于缓解 MCTS 行动空间的组合爆炸。此外，引入概率结构 rollout 策略，以利用先前发现的高质量优先函数中的结构模式，引导 rollout 过程。我们在真实世界数据集上进行实验，表明 SymLight 在多种基准方法中具有优异性能。其关键优势在于 SymLight 能够在保持卓越性能的同时，产出可解释且可部署的 TSC 策略。
引用
@article{arxiv.2511.05790,
title = {SymLight: Exploring Interpretable and Deployable Symbolic Policies for Traffic Signal Control},
author = {Xiao-Cheng Liao and Yi Mei and Mengjie Zhang},
journal= {arXiv preprint arXiv:2511.05790},
year = {2025}
}