基于强化学习的异步智能体多模式激励联合优化方法

本发明涉及一种基于强化学习的异步智能体多模式激励联合优化方法，首先构建分层智能体架构，上层模型智能体对应多模式交通网络拓扑模型，下层模型智能体对应出行参与者个体，并分别定义了上层模型和下层模型智能体的动作、状态和奖励值；然后以总成本最小为目标通过迭代训练使上层智能体动态调整激励方案，下层智能体响应激励并反馈交通状态变化。本申请能够全面评估激励方案的有效性及其对个体出行决策的影响，并能在出行需求、电动化率、碳交易价格动态变化情景中动态、快速生成出行激励方案。