多智能体仿真OPTIMAL CONSESNUS OF MULTIAGENT SYSTEMS USING REINFORCEMENT LEARNING APPROACH

CBBA-Python 这是基于共识的捆绑算法（CBBA）的Python实现。 您可以从这些论文中查看有关CBBA的更多详细信息。 要求：Python> = 3.7 此仓库已通过以下测试： Python 3.9.1，macOS 11.2.1，numpy 1.20.1，matplotlib 3.3.4 python 3.8.5，Ubuntu 20.04.2 LTS，numpy 1.20.1，matplotlib 3.3.4 依存关系 对于Python： $ pip3 install numpy matplotlib 用法 任务和代理的参数写在配置json文件中。 AGENT_TYPES ：座席类型。 TASK_TYPES ：任务类型。 第i个任务类型与第i个代理类型相关联。 NOM_VELOCITY ：代理的平均速度[m / s]。 FUEL ：代理商的旅行罚金/费

城流 CityFlow 是一种用于大规模城市交通场景的多智能体强化学习环境。 检查这些功能！ 一种微观交通模拟器，可模拟每辆车的行为，提供最高级别的交通演变细节。 支持灵活定义路网和交通流 为强化学习提供友好的python接口 快速地！ 精心设计的数据结构和多线程仿真算法。 能够模拟城市范围内的交通。 请参阅与 SUMO 的性能比较。 具有不同线程数（1、2、4、8）和 SUMO 的 CityFlow 之间的性能比较。 从小型 1x1 网格路网到城市级 30x30 路网。 当您需要通过 python API 与模拟器交互时，速度会更快。 截屏 使用 CityFlow 的特色研究和项目 链接 WWW 2019 演示文稿 主页 文档和快速入门 码头工人 [1] 相扑首页 [2] 天让智能首页