RoboCup2D仿真足球隊智能體協(xié)作研究.pdf

1、人工智能隸屬于復(fù)雜系統(tǒng)，起源于上個世紀(jì)50年代，近年來廣泛地受到海內(nèi)外學(xué)者的青睞。決策理論作為人工智能的重要研究分支，現(xiàn)已成為機器人行為選擇和協(xié)調(diào)的核心問題。研究決策理論，對于人類掌控機器學(xué)習(xí)并讓機器更好地服務(wù)人類起著重要的作用。本文以RoboCup2D仿真平臺為基礎(chǔ)，以增強仿真足球隊的進攻和防守為方向，以對智能體決策建模、對智能體強化學(xué)習(xí)為方法，從四個章節(jié)展開對多智能體協(xié)作問題的深入探討。
　　本文首先對前人的研究成果予以總結(jié)，

2、并對關(guān)鍵的知識做出闡述，比如智能體的感知信息（視覺信息、聽覺信息、自身感知信息），動作命令（單一命令、兼容命令）等等。然后根據(jù)球員的不同角色對球員的站位進行研究，做出了改善，并對改善后的結(jié)果進行實驗，驗證其有效性。
　　其次提出了基于樹搜索算法的在線搜索動作序列機制，對樹搜索算法進行求解，并提出了動作序列的概念。然后對強化學(xué)習(xí)和Q-Learning做了簡單回顧，并根據(jù)這個提出了經(jīng)驗累積算法，定義了球員熱區(qū)的概念，構(gòu)造了學(xué)習(xí)型智能體

3、。智能體在比賽的過程中，遇到正回報值的動作，就會在E矩陣中更新，下一次再遇到類似情況將會有很大概率選擇該動作。
　　前兩個研究主要是為了增強球隊的進攻能力和整體作戰(zhàn)能力，最后一項研究是針對防守，結(jié)合守門員動作的特殊性，基于POMDP模型對守門決策建模，并利用值迭代算法求解，結(jié)果以動作序列的形式實現(xiàn)。該動作序列實際上是一個動作集，動作集里的每一個動作都是使值迭代函數(shù)具有最大報酬值的動作。
　　本文提出的每一種算法和機制，筆者都