Мультиагентна система для оптимізації навантаження громадського транспорту на основі підкріплювального навчання

Abstract

Об’єкт дослідження – процес управління навантаженням громадського транспорту. Предмет дослідження – методи мультиагентного підкріплювального навчання для оптимізації транспортних потоків. Мета роботи – розробка мультиагентної системи оптимізації навантаження громадського транспорту на основі підкріплювального навчання. Методи дослідження – машинне навчання, підкріплювальне навчання, мультиагентне моделювання, аналіз транспортних потоків. У роботі розроблено мультиагентну систему для оптимізації роботи громадського транспорту. Реалізовано середовище симуляції транспортної мережі та алгоритми Q-learning, DQN, Policy Gradient і Actor-Critic для навчання агентів прийняттю ефективних рішень у динамічному середовищі. Серверну частину системи реалізовано на FastAPI, а клієнтський інтерфейс – на React. Проведено тестування системи та оцінку ефективності роботи агентів в умовах змінного транспортного навантаження.