基于异构多智能体深度强化学习的智能交通信号控制(毕业设计) 2025.10-2026.05

设计异构多智能体系统：摄像头智能体(YOLO)、信号智能体（DQN)、车辆智能体（协同速度建议），在SUMO中 实现 ·设计35维状态空间、复合奖励函数、4动作离散控制；经验回放训练(100K缓冲，256批次) ·高流量(1200辆/小时)下相比固定时间基线，奖励提升71.6%,停车比例降低28%；低流量下降低37.5% ·速度建议机制相比纯 DQN额外提升17.5-25.6%；训练变异系数从36.8%降至24.6%

基于改进DDPG的低空无人机辅助边缘缓存优化 2025.07-2025.10

·针对无人机资源分配(带宽、功率、缓存)，引入 LayerNorm、梯度裁剪、自适应噪声改进 DDPG ·仿真4架无人机、30-60名用户、Zipf分布请求；缓存命中率82.7%，平均延迟2.656秒(提升 23.6%)

基于TD3深度强化学习的自主探索导航系统 2024.07-2024.09

·在 ROS Noetic/Gazebo中使用TD3开发机器人导航系统,解决连续动作空间中Q值过估计问题 ·集成激光雷达、里程计、碰撞检测、动态障碍物；训练Actor-Critic 网络实现实时路径规划 ·部署至实体机器人，实现未知环境下的零样本自主探索与建图，显著减少人工干预