No abstract

No abstract

No abstract

In this paper, a learning-based optimal transportation algorithm for autonomous taxis and ridesharing vehicles is introduced. The goal is to design a mechanism to solve the routing problem for a fleet of autonomous vehicles in real-time in order to maximize the transportation company's profit. To solve this problem, the system is modeled as a Markov Decision Process (MDP) using past customers data. By solving the defined MDP, a centralized high-level planning recommendation is obtained, where this offline solution is used as an initial value for the realtime learning. Then, a distributed SARSA reinforcement learning algorithm is proposed to capture the model errors and the environment changes, such as variations in customer distributions in each area, traffic, and fares, thereby providing an accurate model and optimal policies in real-time. Agents are using only their local information and interaction, such as current passenger requests and estimates of neighbors' tasks and their optimal actions, to obtain the optimal policies in a distributed fashion. The agents use the estimated values of each action, provided by distributed SARSA reinforcement learning, in a distributed game-theory based task assignment to select their conflict-free customers. Finally, the customers data provided by the city of Chicago is used to validate the proposed algorithms.

Dans des recherches cinétiques relatives à un grand nombre de composés aromatiques, on a trouvé, il y a quelques années, qu'en solution neutre ou acide l'halogène de la chaîne latérale réagit d'autant plus vite avec de l'eau (avec remplacement de l'halogène par le groupe OH), que l'halogène est plus négatif par l'influence de substituants dans le noyau, mais que le quotient: vitesse d'hydrolyse alcaline/vitesse d'hydrolyse en milieu acide diminue à mesure que l'halogène est plus négatif. On a expliqué ce dernier phénomène par l'action répulsive du chlore à l'égard des ions OH−3). Actuellement on a examiné des halogéno‐alcanes (donc des composés aliphatiques), portant un groupe positif (le groupe méthyle) à diverses distances de l'halogène. Les règles susdites restent valables dans ce cas. Mais contrairement à ce qu'on a observé chez les composés aromatiques, l'influence du groupe méthyle ne se manifeste nettement ici que dans le cas où ce groupe se trouve tout près de l'halogène. Cela concorde avec ce que divers auteurs ont constaté pour l'influence d'un substituant dans une chaîne aliphatique saturée. Lorsque, au lieu de comparer les constantes de vitesse, on se sert des énergies d'activation et des constantes d'action d'après Arrhenius‐Scheffer‐Hückel, on n'observe plus de régularités dans les chiffres, ni chez les composés aromatiques, ni chez les combinaisons aliphatiques. A partir de l'oxyde de deutérium au lieu d'eau, la vitesse d'hydrolyse est diminuée de 16% environ.