Viernes 23 de octubre de 2026 ·

PPO-NAMSPSO: aprendizaje por refuerzo para optimizar semáforos y reducir esperas

Relevancia 38 de 100

Los investigadores proponen PPO-NAMSPSO, en el que un agente de aprendizaje por refuerzo (PPO) elige en cada iteración uno de seis operadores de búsqueda de un optimizador por enjambre de partículas para ajustar los tiempos de los semáforos. En simulaciones con SUMO, el tiempo medio de espera frente a PSO bajó un 8,10% en una cuadrícula 3×3 y un 32,35% en una red de 25 cruces (de 48,88 s a 33,07 s). También se compara con GA, ACO y tiempos fijos.

Qué significa

Si el método funciona fuera del simulador, los conductores de ciudades con muchos semáforos podrían esperar menos, porque los tiempos se ajustan según el tráfico real.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del viernes 23 de octubre de 2026 ->