arXiv 机器学习· Korbinian K\"ugler, Carolin Schmidt, Florian Dandl, Filipe Rodrigues·· 11 時間前AI スコア28
基于固定与自适应惩罚监管 AMoD 运营商：多智能体强化学习方法
Regulating Autonomous Mobility-on-Demand Operators with Fixed and Adaptive Penalties: A Multi-Agent Reinforcement Learning Approach
未翻訳のため中国語で表示しています。
AI ガイド
一项研究采用基于图的多智能体强化学习，通过固定与自适应惩罚机制监管自动按需出行（AMoD）运营商，以限制激增定价并改善区域服务覆盖。曼哈顿真实数据实验表明，固定激增定价惩罚将面临过高价格的乘客比例从 22% 降至 1%。针对区域服务可用性，动态闭环调节惩罚相比同等平均强度的固定惩罚使监管者收益提升高达 15.6%。
出典：arXiv 机器学习 · arxiv.org