基于馬爾可夫決策過程理論的Agent決策問題研究.pdf

1、人工智能被認為其主要目標是構造可以決策出智能行為的Agents，即這些Agents能夠在多方面再現(xiàn)人類可以做出的智能行為。馬爾可夫決策過程(MDP)可以用來描述和處理大規(guī)模不確定性環(huán)境下的Agent決策問題。
　　 RoboCup機器人世界杯是國際上一項為促進分布式人工智能、智能機器人技術及其相關領域的研究與發(fā)展而舉行的大型比賽和學術活動，RoboCup仿真2D比賽是RoboCup所有項目中以Agent決策為重點的一個分支。

2、r>　　 本文以馬爾可夫決策過程的相關理論為基礎，以RoboCup仿真2D比賽為實驗平臺，對Agent決策相關問題進行了研究。本文的主要工作可以概括為以下三個方面：
　　 本文重構并實現(xiàn)了一個完整的RoboCup仿真2D球隊決策系統(tǒng)WE2009。該系統(tǒng)以部分可觀察隨機博弈(POSG)的模型為理論基礎，包括信息處理、高層決策和行為執(zhí)行三個模塊。特別是高層決策模塊，采用基于獨立行為生成器的結構設計，不僅可以充分利用Agent的決策

3、時間，而且可以提高團隊合作的效率。
　　 本文提出了一類特殊的馬爾可夫決策過程，即行動驅(qū)動的馬爾可夫決策過程(ADMDP)。本文分析了ADMDP的理論模型，提出了ADMDP的相關求解方法。該方法采取離線值迭代與在線搜索相結合，在本文中用來求解RoboCup仿真2D比賽中的不離身帶球問題，使Agent的帶球性能有了較大的提高。
　　 本文提出了一類特殊的馬爾可夫博弈，即基于陣型的零和馬爾可夫博弈(FZSMG)。本文分析了F