基于RMM 和贝叶斯学习的城市交通多智能体系统

提出一种基于递归建模方法( RMM )的多智能体协调方法, 使智能体在分布式环境下对其它智 能体的 决策建模选择合理的行动。对 RMM 中的信念更新采用贝叶斯学习方法, 使智能体可以确定其 它智能体的准确模型并实时更新信息。 在城市交通控制领域建立多智能体交通控制系统, 仿真结果表明 了该方法的有效性,对实现智能交通系统具有重要意义。