强化学习在城市交通信号灯控制方法中的应用

 悉尼自适应交通控制系统（SCATS）、绿信比-周期-相位差优化技术（SCOOT）及Smooth采用自适应交通信号灯控制方法，对城市道路口的交通信号灯进行了有效控制。随着深圳城市交通流量急剧增长，深圳交警在自主研发Smooth信号控制式基础上，提出实时、分布式、自适应调控要求，联合创新了人工信号控制方案TrafficGo，探索基于深度神经网络的强化学习，通过在线学习各种流量负荷，实时推理计算信控时段、相位、相序、信号周期、绿信比、相位差，进一步优化了交通信号灯的控制模式。介绍了在交通信号灯控制中运用的强化学习模型，实地测评表明，其取得了一定改进效果。     

服务承载网中基于最大流的服务器放置

针对在服务承载网中,传统的服务器放置方法会出现随着服务器个数的增加降低网络整体性能的问题,提出基于最大流效应的服务器放置算法。该算法不仅考虑到了流量因素,还将带宽、延迟、丢包率等网络节点性能因素简化为"距离因子"进行了考虑,解决了传统服务器放置引起的全局低效和网络拥堵问题,保证最大限度地满足用户的流量请求。经过实验验证,基于最大流效应的服务器放置算法相对于传统的服务器放置算法,在平均情况下,平均相应时间减低10%到25%,传输开销降低25%到50%,显著提高了网络性能。