本文關(guān)鍵詞：Multi-Agent研究與應(yīng)用

  更多相關(guān)文章： Agent Multi-Agent系統(tǒng) RoboCup 機(jī)器學(xué)習(xí)

【摘要】：本文研究Multi-Agent系統(tǒng)，，眾所周知，Multi-Agent系統(tǒng)及分布式人工智能已經(jīng)成為當(dāng)今人工智能領(lǐng)域研究的重點(diǎn)。Muli-Agent的基本問(wèn)題是智能體之間的協(xié)調(diào)，可細(xì)分為單智能體設(shè)計(jì)、多智能體體系結(jié)構(gòu)、多智能合作和通訊、自動(dòng)推理、規(guī)劃、機(jī)器學(xué)習(xí)與知識(shí)獲取、認(rèn)識(shí)建模、系統(tǒng)生態(tài)和進(jìn)化等一系列專題，上述一系列問(wèn)題中的大多數(shù)都在RoboCup中得到了集中的體現(xiàn)。 RoboCup是Multi-Agent系統(tǒng)的一個(gè)典型代表，它是國(guó)際上一項(xiàng)為提高相關(guān)領(lǐng)域的教育和研究水平而舉行的大型比賽和學(xué)術(shù)活動(dòng)，通過(guò)提供一個(gè)標(biāo)準(zhǔn)任務(wù)來(lái)促進(jìn)分布式人工智能、智能機(jī)器人技術(shù)、及其相關(guān)領(lǐng)域的研究與發(fā)展。RoboCup是Multi-Agent系統(tǒng)研究的一個(gè)很好的平臺(tái)。建立一支成功的機(jī)器人足球隊(duì)需要很多領(lǐng)域的知識(shí)，合理的模型結(jié)構(gòu)和Agent之間的協(xié)調(diào)與協(xié)作是RoboCup比賽中贏球的關(guān)鍵所在，協(xié)調(diào)與協(xié)作是Multi-Agent系統(tǒng)研究的重要課題。 我們通過(guò)RoboCup平臺(tái)，對(duì)Multi-Agent的知識(shí)領(lǐng)域做了一定的研究與實(shí)踐，具體包括：在球隊(duì)的技術(shù)上，結(jié)合UVA的底層技術(shù)，對(duì)一些中層及高層技術(shù)進(jìn)行了擴(kuò)充與改進(jìn)，使用模糊增強(qiáng)學(xué)習(xí)的方法對(duì)Agent的踢球動(dòng)作進(jìn)行改進(jìn)，使得Agent在更短的周期內(nèi)獲得期望的出球速度及方向，把遺傳算法運(yùn)用于截球技術(shù)，使截球效率得到提高；在球隊(duì)的策略上，改進(jìn)Agent的個(gè)體策略，使用影響圖對(duì)前場(chǎng)球員的動(dòng)作進(jìn)行選擇，設(shè)計(jì)多Agent的團(tuán)隊(duì)策略，使用三層的協(xié)作模型，引入靜態(tài)與動(dòng)態(tài)陣形概念，把角色運(yùn)用于Agent，各司其職且要相互轉(zhuǎn)換；在球隊(duì)的設(shè)計(jì)上，我們?cè)趲熜智蜿?duì)的基礎(chǔ)上進(jìn)行升級(jí)，包括在Agent四層結(jié)構(gòu)模型中添加警報(bào)機(jī)制，改進(jìn)射門(mén)、傳球等中高層動(dòng)作，在代碼編寫(xiě)中，對(duì)一些函數(shù)進(jìn)行了刪合調(diào)整、運(yùn)用線程機(jī)制，使代碼的執(zhí)行效率更高。
【關(guān)鍵詞】：Agent Multi-Agent系統(tǒng) RoboCup 機(jī)器學(xué)習(xí)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2006
【分類號(hào)】：TP18
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 引言8-13
• 1.1 RoboCup的起源8-9
• 1.2 國(guó)內(nèi)外RoboCup仿真組相關(guān)工作9-10
• 1.3 機(jī)器人足球的研究意義10-11
• 1.4 論文的組織11-13
• 第二章 Agent的理論基礎(chǔ)13-22
• 2.1 Agent概念13-15
• 2.2 Agent的特點(diǎn)和種類15-18
• 2.3 多Agent通信18-20
• 2.3.1 通信方式18-19
• 2.3.2 通信語(yǔ)言19-20
• 2.4 小結(jié)20-22
• 第三章 機(jī)器學(xué)習(xí)22-31
• 3.1 機(jī)器學(xué)習(xí)22-25
• 3.1.1 機(jī)器學(xué)習(xí)的定義22
• 3.1.2 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)22-25
• 3.2 機(jī)器學(xué)習(xí)的主要策略及方法25-29
• 3.2.1 概念學(xué)習(xí)26
• 3.2.2 決策樹(shù)學(xué)習(xí)26-27
• 3.2.3 人工神經(jīng)網(wǎng)絡(luò)27
• 3.2.4 貝葉斯學(xué)習(xí)27
• 3.2.5 基于案例的學(xué)習(xí)27-28
• 3.2.6 遺傳算法28
• 3.2.7 規(guī)則學(xué)習(xí)28
• 3.2.8 分析學(xué)習(xí)28-29
• 3.2.9 強(qiáng)化學(xué)習(xí)29
• 3.3 小結(jié)29-31
• 第四章 RoboCup仿真環(huán)境31-50
• 4.1 主要組成31-32
• 4.1.1 SoccerServer31-32
• 4.1.2 Monitor32
• 4.1.3 Logplayer32
• 4.2 比賽規(guī)則32-35
• 4.2.1 自動(dòng)裁判員的執(zhí)法規(guī)則32-34
• 4.2.1.1 開(kāi)球32-33
• 4.2.1.2 進(jìn)球33
• 4.2.1.3 出界33
• 4.2.1.4 清場(chǎng)33
• 4.2.1.5 比賽模式控制33-34
• 4.2.1.6 中場(chǎng)時(shí)間和終場(chǎng)時(shí)間34
• 4.2.2 真人裁判員的執(zhí)法規(guī)則34-35
• 4.3 仿真環(huán)境模型35-49
• 4.3.1 感知模型35-41
• 4.3.1.1 視覺(jué)模型35-37
• 4.3.1.2 視覺(jué)模式與視野37-39
• 4.3.1.3 視覺(jué)感知噪聲模型39
• 4.3.1.4 Sense Body信息39-40
• 4.3.1.5 聽(tīng)覺(jué)信息40
• 4.3.1.6 聽(tīng)覺(jué)信息40-41
• 4.3.2 動(dòng)作模型41-47
• 4.3.2.1 Catch抓球模型41-42
• 4.3.2.2 Dash模型42-43
• 4.3.2.3 體力模型43-44
• 4.3.2.4 Kick44-46
• 4.3.2.5 Turn46
• 4.3.2.6 Turn Neck46-47
• 4.3.2.7 Say47
• 4.3.2.8 Move47
• 4.3.3 異構(gòu)球員47-48
• 4.3.4 Coach與隊(duì)員的通訊48-49
• 4.4 小結(jié)49-50
• 第五章 RoboCup中的Agent的結(jié)構(gòu)與技術(shù)50-66
• 5.1 Agent的結(jié)構(gòu)50-54
• 5.1.1 慎思結(jié)構(gòu)50-51
• 5.1.2 反應(yīng)結(jié)構(gòu)51-52
• 5.1.3 混合結(jié)構(gòu)52-54
• 5.2 Agent的技術(shù)54-65
• 5.2.1 決策樹(shù)學(xué)習(xí)54-55
• 5.2.2 遺傳算法學(xué)習(xí)55-57
• 5.2.3 貝葉斯網(wǎng)絡(luò)(Bayesian Networks)57-58
• 5.2.4 增強(qiáng)學(xué)習(xí)58-59
• 5.2.5 Q學(xué)習(xí)59-60
• 5.2.6 Fuzzy Q學(xué)習(xí)60-65
• 5.2.6.1 Fuzzyif-then規(guī)則60
• 5.2.6.2 動(dòng)作選擇60-61
• 5.2.6.3 更新Fuzzy if-then規(guī)則61
• 5.2.6.4 仿真實(shí)驗(yàn)61-65
• 5.3 小結(jié)65-66
• 第六章 RoboCup中Multi-Agent團(tuán)隊(duì)合作策略66-76
• 6.1 MAS決策在RoboCup中的應(yīng)用66
• 6.2 RoboCup球隊(duì)策略綜述66-68
• 6.3 基于場(chǎng)上形勢(shì)的戰(zhàn)術(shù)跑位(SBSP)68-69
• 6.4 角色69-72
• 6.4.1 角色的轉(zhuǎn)換69-71
• 6.4.2 基于角色的策略71-72
• 6.5 Agent的協(xié)作模型72-75
• 6.5.1 全局層設(shè)計(jì)73-74
• 6.5.1.1 靜態(tài)陣形73
• 6.5.1.2 動(dòng)態(tài)陣形73-74
• 6.5.2 局部層設(shè)計(jì)74
• 6.5.3 個(gè)體行為層74-75
• 6.6 小結(jié)75-76
• 第七章 總結(jié)和展望76-78
• 參考文獻(xiàn)78-82
• 插圖目錄82-83
• 致謝83-84
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文84

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 柯立X;基于陣形和角色的多Agent協(xié)作研究和戰(zhàn)術(shù)庫(kù)的設(shè)計(jì)[D];安徽大學(xué);2007年

2 李佳;基于XBRL的PDF財(cái)務(wù)報(bào)告信息處理方法及實(shí)現(xiàn)研究[D];華東師范大學(xué);2013年

本文編號(hào)：775492