随着社会、经济的高速发展和城市化进程的加快，城市机动车数辆及道路交通量急剧增加。拥挤的城市交通反过来制约经济的发展和城市化的进程。一个重要的问题是现有的城市交通信号控制系统未充分发挥道路的承载力，而从理论上来说，城市交通信号控制系统是一个复杂巨系统，具有极强的随机性，因此，研究城市交通控制问题具有理论意义和实用价值。　　 自适应动态规划(ADP)作为一类新的优化控制方法，因其所具有的学习和优化能力，在理论和实际应用方面受到日益重视。本文在理论上研究ADP的新方法，在应用上提出基于ADP的城市路口交通信号智能控制问题。　　 首先，对城市交通系统及其控制问题进行了介绍，综述了本论文的研究背景和意义、研究目的和任务以及论文的主要内容和结构安排。　　 其次，介绍ADP的发展。对常见的几种自适应动态规划算法进行说明，包括算法结构和计算公式等。　　 第三，以单路口为例，介绍了基本的路口交通流模型。在此基础上，设计了基于ADP算法的路口交通信号优化控制算法。并将所设计的控制算法与经典的定时信号控制、感应信号控制等方法进行仿真实验比较，结果表明基于ADP算法的交通信号优化控制算法可以随波动的交通状况动态优化控制参数，取得较好的控制效果。　　 第四，针对传统ADP算法存在的训练速度较慢的问题，改用群集智能的启发式搜索方法来实现ADP算法的学习和训练。设计基于人工蜂群理论的ADP算法，以加快ADP算法的优化速度。仿真结果显示本文给出的算法所需的训练次数少，便于在实时交通信号控制领域的应用。　　 第五，针对ADP算法由于初始参数随机选择而带来的优化效果的不稳定问题，以模糊神经网络代替传统的前向神经网络，引入先验知识，改善ADP算法的优化趋势。设计带有模糊规则的自适应交通信号控制算法，以两路口为例验证了本文算法的有效性。　　 第六，针对多交叉路口协调交通信号优化控制问题，提出一种基于ADP算法的多路口交通信号协调控制策略。本协调控制策略中，路口间所需交互的信息量较少，且无需上级协调控制单元，便于形成分布式交通信号控制系统。在所示的四路口交通信号协调控制仿真中，本文算法取得了较好的控制效果。　　 最后，对本论文的研究成果进行了总结，并展望了需要进一步研究的工作。