rl-constraints-traffic:基于https的城市优化强化学习

RL约束交通 基于分散式深度强化学习的现实世界适用交通信号优化 分散DQN 先决条件 上面的python 3.7.9 pytorch 1.7.1以上 张量板2.0.0以上 如何使用 检查条件状态（吞吐量） python run.py simulate --network [5x5grid, 5x5grid_v2, dunsan, dunsan_v2] “ Dunsan和Dunsan_v2的交通数据由韩国政府分类。” 在RL算法DQN中运行（默认设备：CPU） python run.py train 检查结果Tensorboard tensorboard --logdir ./training_data json中的超参数，模型位于./training_data/[time you run]/model目录中。 重播模型 python run.py