\def \cesta {./06_Bayes_rmm_pouziti}

\section{Použití RMM a Bayesova učení v decentralizovaném řízení dopravy} 

V následujícím textu se budeme zabývat konkrétním využitím
rekursivních modelovacích metod v kombinaci s bayesovským učením
v decentralizovaném řízení dopravy pomocí multiagentních systémů.
Tento koncept byl testován a výsledky zveřejněny v článku \cite{1_rmm_bayes_learning}.\\

Testy byly prováděny na modelu dvou křižovatek klasického typu, kde každý agent $R_1, R_2$
ovládal jednu z nich. K modelování chování druhého agenta bylo použito třísyupňové RMM
zakončené neinformovaným modelem. Obrázek \ref{fig:rmm_structure} z článku \cite{1_rmm_bayes_learning}
znázorňuje RMM agenta $R_1$, kde se na každé úrovni agent rozhoduje mezi dvěma modely, informovaným a
neinformovaným. Z počátku simulace jsou těmto modelům přiřazeny pravděpodobnosti po řadě 0,8 a 0,2.
Tyto pravděpodobnosti jsou upravovány metodou bayesovskeho učení podle akcí provedených druhým agentem.
Pro řešení tohoto modelu je použit algoritmus z \cite{4_rmm_formalization} popsaný v předchozí kapitole.\\

Určujícím faktorem pro sestavení matice zisků je délka fronty čekajících aut. Tento údaj byl také
použit jako klíčový pro srovnání s ostatními metodami při testování. Metoda byla testována
za použití simulace psané v jazyce VC++ a porovnávána s dvěma dalšími, a to pevně dané sekvence
stanovené dopravními experty a stochastická metoda "Hill-climbing process". Z tohoto srovnání
vychází metoda  využívající RMM a bayesovského učenís podle výsledků prezentovaných v \cite{1_rmm_bayes_learning} nejlépe, 
jak můžeme vidět na obrázku \ref{fig:rmm_results}.



\begin{figure}[H]
\begin{center}
    \includegraphics[width=70mm]{\cesta/rmm_structure.eps}
    \caption{Tříúrovňová rekurzivní modelová struktura agenta $R_1$}\label{fig:rmm_structure}
\end{center}
\end{figure}

\newpage

\begin{figure}[H]
\begin{center}
    \includegraphics[width=70mm]{\cesta/rmm_results.eps}
    \caption{Výsledky měření. M1 - RMM, M2 - pevné cykly, M3 - "Hill-climbing" }\label{fig:rmm_results}
\end{center}
\end{figure}