基于RoboCup多智能體系統(tǒng)學習與協(xié)作問題的研究.pdf

1、隨著計算機技術(shù)的發(fā)展，分布式人工智能中多智能體系統(tǒng)(MAS：Multi—agemSystem)的理論及應用研究已經(jīng)成為人工智能研究的熱點。RoboCup(RobotWorldCup)即機器人世界杯足球錦標賽，是一種典型的多智能體系統(tǒng)。該系統(tǒng)具有動態(tài)環(huán)境、多個智能體之間合作與競爭并存、受限的通訊帶寬以及系統(tǒng)設(shè)置的隨機噪聲等特點。通過該系統(tǒng)這個具有普遍意義的試驗平臺，可以深入研究和評價多智能體系統(tǒng)中的各種理論和算法，并將結(jié)果推廣到眾多領(lǐng)域。

2、 本文的主要研究工作如下： 1)針對RoboCup中Agent決策任務的復雜性特點，設(shè)計了基于分層學習的決策框架。該決策框架將Agent的決策任務按高級到低級分為多個層次，每層的決策通過相應機器學習方法實現(xiàn)，并以下一層的學習結(jié)果為基礎(chǔ)。而針對層結(jié)構(gòu)的誤差積累問題，采取了一種改進的層結(jié)構(gòu)，加入了一個協(xié)調(diào)層，用于對決策信息進行評價，并對明顯錯誤的信息進行更正。 2)為了提高Agent個體技術(shù)的智能性，采用遺傳神經(jīng)網(wǎng)絡

3、技術(shù)進行離線訓練，實現(xiàn)了Agent的截球技術(shù)。實驗表明，該技術(shù)較好地解決了噪聲所造成的干撓影響。而對于智能體的踢球技術(shù)，則采用Q學習進行離線訓練。 3)針對Agent團隊協(xié)作的進攻決策學習問題，對單Agent的Q學習算法進行了擴展。主要思想是引入學習智能體，同時，將統(tǒng)計學習與增強學習相結(jié)合，通過對智能體間聯(lián)合動作的統(tǒng)計來學習其它智能體的行為決策。 本文的相關(guān)實驗在RoboCup仿真比賽環(huán)境下進行，實驗結(jié)果證明采用本文的學