[SOLVED] 代写 python 问题描述：

问题描述：
主要是两部分内容：
（1）基于DQN改进算法的单入口匝道快速路匝道控制研究。针对国内快速路网的特点，首先用vissim构建单入口匝道，并将DQN改进算法用于解决快速路的交通控制问题上，以单匝道快速路网为研究对象进行仿真实验，并与传统的快速路匝道控制方法进行对比分析。
（2）基于多智能体深度强化学习算法的多入口匝道快速路匝道控制研究。将单入口匝道拓展至多个入口匝道。首先用vissim构建多入口匝道，并将多智能体深度强化学习算法用于解决快速路的交通控制问题上，以多匝道快速路网为研究对象进行仿真实验，并与传统的快速路匝道控制方法进行对比分析

具体要求：
1 编程语言使用Python，交通可视化软件Vissim 4.30
2 按照文（考虑环境和能源因素的城市快速路动态多目标优化控制研究_余）两章内容，完成单入口匝道控制和多入口匝道协调控制
3 单入口匝道控制方法使用DQN算法，多入口匝道可使用现有其它的多智能体强化学习算法。状态、动作描述参考（宏观基于强化学习的城市快速路交织区入口匝道智能控制方法_韩靖），在奖励函数上考虑环境的影响（参考COPERT IV模型）

实现主要功能：
•能够实现上述两部分内容，即基于DQN和多智能体强化学习通过Python实现单、多入口匝道控制
•能够得出一些图形等的比较，如DQN算法与无控制、传统方法（宏观基于强化学习的城市快速路交织区入口匝道智能控制方法_韩靖，包括单匝道的ALINEA和多匝道的BOTTLENECK方法）的比较（图和数据），具体比较过程参考文（考虑环境和能源因素的城市快速路动态多目标优化控制研究_余）。评价指标（TTS、TTD、TE）和流密速、排队长度等的比较图，保留数据。

主要目的：参考文（考虑环境和能源因素的城市快速路动态多目标优化控制研究_余），实现单、多匝道控制，具体内容为第3、4章，把控制方法改为强化学习，其余仿真与分析不变。仿真结果一定要有图！！
此外，比较方法为无控制、传统方法参考（宏观基于强化学习的城市快速路交织区入口匝道智能控制方法_韩靖，包括单匝道的ALINEA和多匝道的BOTTLENECK方法）和强化学习方法。