Multi-Agent研究与应用

发布时间：2017-09-02 01:13

  本文关键词：Multi-Agent研究与应用

  更多相关文章： Agent Multi-Agent系统 RoboCup 机器学习

【摘要】：本文研究Multi-Agent系统，，众所周知，Multi-Agent系统及分布式人工智能已经成为当今人工智能领域研究的重点。Muli-Agent的基本问题是智能体之间的协调，可细分为单智能体设计、多智能体体系结构、多智能合作和通讯、自动推理、规划、机器学习与知识获取、认识建模、系统生态和进化等一系列专题，上述一系列问题中的大多数都在RoboCup中得到了集中的体现。 RoboCup是Multi-Agent系统的一个典型代表，它是国际上一项为提高相关领域的教育和研究水平而举行的大型比赛和学术活动，通过提供一个标准任务来促进分布式人工智能、智能机器人技术、及其相关领域的研究与发展。RoboCup是Multi-Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是Multi-Agent系统研究的重要课题。 我们通过RoboCup平台，对Multi-Agent的知识领域做了一定的研究与实践，具体包括：在球队的技术上，结合UVA的底层技术，对一些中层及高层技术进行了扩充与改进，使用模糊增强学习的方法对Agent的踢球动作进行改进，使得Agent在更短的周期内获得期望的出球速度及方向，把遗传算法运用于截球技术，使截球效率得到提高；在球队的策略上，改进Agent的个体策略，使用影响图对前场球员的动作进行选择，设计多Agent的团队策略，使用三层的协作模型，引入静态与动态阵形概念，把角色运用于Agent，各司其职且要相互转换；在球队的设计上，我们在师兄球队的基础上进行升级，包括在Agent四层结构模型中添加警报机制，改进射门、传球等中高层动作，在代码编写中，对一些函数进行了删合调整、运用线程机制，使代码的执行效率更高。
【关键词】：Agent Multi-Agent系统 RoboCup 机器学习
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TP18
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 引言8-13
• 1.1 RoboCup的起源8-9
• 1.2 国内外RoboCup仿真组相关工作9-10
• 1.3 机器人足球的研究意义10-11
• 1.4 论文的组织11-13
• 第二章 Agent的理论基础13-22
• 2.1 Agent概念13-15
• 2.2 Agent的特点和种类15-18
• 2.3 多Agent通信18-20
• 2.3.1 通信方式18-19
• 2.3.2 通信语言19-20
• 2.4 小结20-22
• 第三章 机器学习22-31
• 3.1 机器学习22-25
• 3.1.1 机器学习的定义22
• 3.1.2 机器学习系统的基本结构22-25
• 3.2 机器学习的主要策略及方法25-29
• 3.2.1 概念学习26
• 3.2.2 决策树学习26-27
• 3.2.3 人工神经网络27
• 3.2.4 贝叶斯学习27
• 3.2.5 基于案例的学习27-28
• 3.2.6 遗传算法28
• 3.2.7 规则学习28
• 3.2.8 分析学习28-29
• 3.2.9 强化学习29
• 3.3 小结29-31
• 第四章 RoboCup仿真环境31-50
• 4.1 主要组成31-32
• 4.1.1 SoccerServer31-32
• 4.1.2 Monitor32
• 4.1.3 Logplayer32
• 4.2 比赛规则32-35
• 4.2.1 自动裁判员的执法规则32-34
• 4.2.1.1 开球32-33
• 4.2.1.2 进球33
• 4.2.1.3 出界33
• 4.2.1.4 清场33
• 4.2.1.5 比赛模式控制33-34
• 4.2.1.6 中场时间和终场时间34
• 4.2.2 真人裁判员的执法规则34-35
• 4.3 仿真环境模型35-49
• 4.3.1 感知模型35-41
• 4.3.1.1 视觉模型35-37
• 4.3.1.2 视觉模式与视野37-39
• 4.3.1.3 视觉感知噪声模型39
• 4.3.1.4 Sense Body信息39-40
• 4.3.1.5 听觉信息40
• 4.3.1.6 听觉信息40-41
• 4.3.2 动作模型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 体力模型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 异构球员47-48
• 4.3.4 Coach与队员的通讯48-49
• 4.4 小结49-50
• 第五章 RoboCup中的Agent的结构与技术50-66
• 5.1 Agent的结构50-54
• 5.1.1 慎思结构50-51
• 5.1.2 反应结构51-52
• 5.1.3 混合结构52-54
• 5.2 Agent的技术54-65
• 5.2.1 决策树学习54-55
• 5.2.2 遗传算法学习55-57
• 5.2.3 贝叶斯网络(Bayesian Networks)57-58
• 5.2.4 增强学习58-59
• 5.2.5 Q学习59-60
• 5.2.6 Fuzzy Q学习60-65
• 5.2.6.1 Fuzzyif-then规则60
• 5.2.6.2 动作选择60-61
• 5.2.6.3 更新Fuzzy if-then规则61
• 5.2.6.4 仿真实验61-65
• 5.3 小结65-66
• 第六章 RoboCup中Multi-Agent团队合作策略66-76
• 6.1 MAS决策在RoboCup中的应用66
• 6.2 RoboCup球队策略综述66-68
• 6.3 基于场上形势的战术跑位(SBSP)68-69
• 6.4 角色69-72
• 6.4.1 角色的转换69-71
• 6.4.2 基于角色的策略71-72
• 6.5 Agent的协作模型72-75
• 6.5.1 全局层设计73-74
• 6.5.1.1 静态阵形73
• 6.5.1.2 动态阵形73-74
• 6.5.2 局部层设计74
• 6.5.3 个体行为层74-75
• 6.6 小结75-76
• 第七章 总结和展望76-78
• 参考文献78-82
• 插图目录82-83
• 致谢83-84
• 攻读硕士学位期间发表的学术论文84

【引证文献】

中国硕士学位论文全文数据库 前2条

1 柯立X;基于阵形和角色的多Agent协作研究和战术库的设计[D];安徽大学;2007年

2 李佳;基于XBRL的PDF财务报告信息处理方法及实现研究[D];华东师范大学;2013年

本文编号：775492