RoboCup仿真機器人足球賽研究.pdf

1、多主體系統(tǒng)(MAS)是當前人工智能研究的主攻方向.就是在一個實時動態(tài)變化的和不可預(yù)測的環(huán)境中,有自主能力的自主體,作為團隊的一部分,自動地進行有效的動作,完成整個隊伍的目標.機器人足球就是這樣的一個多主體系統(tǒng),它具有MAS的所有特性.同時,機器人足球具有觀賞性和刺激性,可以很好的展示多主體系統(tǒng)的研究成果.鑒于機器人足球的這些特點,國際人工智能界選擇了機器人足球作為多主體系統(tǒng)研究的一個標準問題,在本文中,我們使用仿真機器人足球作為我們研究

2、的載體.首先,我們設(shè)計出了良好的仿真機器人(Agent)程序結(jié)構(gòu).在消化前人成果的同時,對UvA Trilearn的同步機制作了修訂,對它的調(diào)試系統(tǒng)作了大量的修改,有效的提高了調(diào)試和開發(fā)效率.在Agent世界模型中,運用了Kalman濾波對噪聲進行了過濾,極大的提高了世界模型精度,給高質(zhì)量的底層動作打下扎實的基礎(chǔ).在底層動作的設(shè)計中,對分析法(幾何法)和基于人工神經(jīng)網(wǎng)絡(luò)經(jīng)驗法作了深入分析,給出了典型算法.在系統(tǒng)決策中,比較了傳統(tǒng)的個人能

3、力層與陣型層實現(xiàn)方法后,引入了所有隊員可以同時學(xué)習(xí)的加強學(xué)習(xí)方法對動作尋優(yōu).雖然加強學(xué)習(xí)在Soccer Server仿真環(huán)境下應(yīng)用有儲多限制,但這是對實現(xiàn)Agent智能行為的有益探索.對傳統(tǒng)的陣型層,提出了陣型、戰(zhàn)術(shù)庫,并可以靜態(tài)動態(tài)的配置它們的方法.在對手建模中,創(chuàng)造性的提出了用非線性的人工神經(jīng)網(wǎng)絡(luò)來對對手的陣型與戰(zhàn)術(shù)做辨識,這將極大的提高Agent的智能與球隊的比賽成績.最后為了避免重復(fù)的繁重的調(diào)試分析勞動,提出了用Matlab來對