基于多Agent的足球機器人仿真系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著計算機技術(shù)的發(fā)展，有關(guān)多智能體系統(tǒng)MAS(Multi-agent System)的研究已經(jīng)成為人工智能領(lǐng)域的重要研究內(nèi)容，也是計算機領(lǐng)域的一個重要研究方向。RoboCup(Robot World Cup)，即機器人世界足球錦標賽[1]，是近幾年人工智能中受到廣泛關(guān)注的研究領(lǐng)域之一，有著重要的理論意義和廣闊的應(yīng)用前景。RoboCup是一個典型的研究多智能體系統(tǒng)的平臺，通過提供一個標準的問題，鼓勵人工智能研究人員在一個實時異步、有噪聲的

2、對抗環(huán)境下，對多智能體的決策和合作問題進行研究。 本文立足于RoboCup仿真組2D比賽，設(shè)計實現(xiàn)了足球機器人仿真系統(tǒng)中的智能體站位策略和動作策略，并且通過模擬比賽驗證了所設(shè)計的策略。 智能體的站位策略處理是基于底層世界模型，根據(jù)分析比賽當前的狀態(tài)而做出的決策策略。本文首先運用人工智能和神經(jīng)網(wǎng)絡(luò)的方法，并結(jié)合SoccerServer(2D)的仿真環(huán)境以及足球?qū)＜业慕?jīng)驗，設(shè)計了仿真2D組客戶端的智能體站位策略。在設(shè)計中我們

3、運用BP神經(jīng)網(wǎng)絡(luò)訓練來確定基本陣形點，并根據(jù)比賽的實時信息進行攻防狀態(tài)的轉(zhuǎn)換，進而完成對進攻站位策略和防守站位策略的實現(xiàn)。 在RoboCup仿真比賽中，每一個球員都是一個智能體，球隊的強弱很大程度上體現(xiàn)了球員智能體技能動作設(shè)計的優(yōu)劣。高層的戰(zhàn)術(shù)策略最終也要轉(zhuǎn)化為一系列的動作。本文接著運用神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)等方法，設(shè)計了RoboCup中仿真2D組客戶端的控球策略、截球策略、守門策略等動作策略。 本文最后采用4-3-3陣形進