本文提出了一种可完全扩展和去中心化的多智能体 A2C 算法，用于改善城市交通网络中的自适应交通信号控制。该算法在优化性、鲁棒性和样本效率方面具有优势。

本文提出了一种可完全扩展和去中心化的多智能体 A2C 算法，用于城市交通网络中的自适应交通信号控制。通过模拟高峰流量动态，并将其与独立 A2C 和独立 Q-learning 算法进行比较，结果表明其优化性、鲁棒性和样本效率优于其他最先进的去中心化 MARL 算法。

本文提出了一种可完全扩展和去中心化的多智能体 A2C 算法，用于城市交通网络中的自适应交通信号控制。结果表明其优化性、鲁棒性和样本效率优于其他最先进的去中心化 MARL 算法。

本文提出了一种可完全扩展和去中心化的多智能体A2C算法，用于改善城市交通网络中的自适应交通信号控制。该算法在优化性、鲁棒性和样本效率方面优于其他去中心化MARL算法。