基于免疫机理的足球机器人协作控制研究

针对Robocup中型组全自主足球机器人自主协作任务,基于人工免疫机理对机器人个体及群体体系结构进行优化,采用个体混合式体系结构与群体分布式体系提高系统性能。构建适用于比赛环境的足球机器人免疫系统模型,充分考虑模型中抗体与抗原及其他抗体间的激励和抑制作用,给出在动态环境下面临复杂协作任务时的足球机器人协调控制算法及流程,改善多足球机器人冲突的混乱局面,增强足球机器人策略行为的有效性,提高足球机器人系统的智能协作性。实验结果验证:该算法可以有效的增强足球机器人的协作能力,提高规定时间内的平均成功进功率与平均成功进球率。     

人工免疫算法在足球机器人路径规划中的应用

提出了一种人工免疫算法———基于思维进化的人工免疫算法,此算法在人工免疫的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,能够实现算法中抗体的局部和全局求解,使得人工免疫系统和思维进化算法有机地结合起来。同时将算法应用到足球机器人的路径规划中,构建了机器人的数学模型和亲和力函数,并且给出了具体的实现步骤,取得了合理的实验结果,对算法中的一些关键操作也进行了简要的说明。     

基于蚁群算法的机器人足球通信机制

给出了基于蚁群算法实现机器人足球比赛中球员之间协作和通信的机制.选用两只球队分别采用了传统的通信机制和"黑板"通信机制进行实验比较,发现虽然两个球队的整体结构和高层策略相差无几,但是无论从速度、力量还是传接球成功率等方面,Novauro都比ujdb强.该通信机制具有灵活,鲁棒性强的特点,不会由于局部的失误而影响全局的性能.     

基于强化学习的全自主机器人足球系统协作研究

从人工智能的角度上说,机器人足球比赛主要研究了多智能体系统要解决的分布的多机器人在复杂的动态环境下,如何通过相互协商完成某一复杂任务。全自主机器人足球是机器人足球发展的一个趋势,在完全未知的环境中,通过自身学习来了解和积累外部信息。对于传统强化学习,存在容易出现死锁,学习速度慢,要求外部条件是静态等缺陷。提出了一种基于蚁群算法的强化学习模型,即蚁群算法与Q学习相结合的思想。随着赛场上态势的渐趋复杂,传统的Q学习速度会变得很慢且交互困难。通过对新算法的分析,实验数据显示:新算法不仅提高了Q学习的学习速率,在解决状态空间维数的灾难问题上,也是可行的。     

基于强化学习的全自主机器人足球系统协作研究

从人工智能的角度上说,机器人足球比赛主要研究了多智能体系统要解决的分布的多机器人在复杂的动态环境下,如何通过相互协商完成某一复杂任务。全自主机器人足球是机器人足球发展的一个趋势,在完全未知的环境中,通过自身学习来了解和积累外部信息,对于传统强化学习,存在容易出现死锁,学习速度慢,要求外部条件是静态等缺陷。本文提出了一种基于蚁群算法的强化学习模型,即蚁群算法与Q学习相结合的思想。随着赛场上态势的渐趋复杂,传统的Q学习速度会变得很慢且交互困难。通过对新算法的分析,实验数据显示：新算法不仅提高了Q学习的学习速率,在解决状态空间维数的灾难问题上,也是可行的。     

基于粒子群算法的足球机器人动作选择研究

提出一个基于粒子群算法的足球机器人的动作选择算法。该算法给出了一个足球机器人的动作集合，根据赛场的实际情况为足球机器人分配角色与任务，并利用粒子群算法为足球机器人选择合适的动作。     

基于蚁群算法的机器人足球通信机制

给出了基于蚁群算法实现机器人足球比赛中球员之间协作和通信的机制．选用两只球队分别采用了传统的通信机制和“黑板”通信机制进行实验比较，发现虽然两个球队的整体结构和高层策略相差无几，但是无论从速度、力量还是传接球成功率等方面，Novauro都比ujdb强．该通信机制具有灵活，鲁棒性强的特点，不会由于局部的失误而影响全局的性能．     

足球机器人合作策略中的动态算法

本文针对机器人足球这种高动态环境 ,介绍了合作策略中的两种算法 :如何选择进攻合作方式及如何确定协攻机器人的位置 (“引斥定位法”) ,并进行了仿真     

基于反思的思维进化算法

针对思维进化算法(MEA)群体多样性少,易陷入局部极值的问题,提出了能够学习并进行反思的思维进化算法,同时分析了该算法的机制。设计利用子群体的线性组合实现信息共享,通过适应度值的比较进行反思,运用进化历史最优值控制异化策略,提高了搜索速度,保证了种群的多样性,使得收敛速度和全局收敛性均达到较好平衡。测试函数寻优验证了算法的可行性和高效性。     

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将...     

一种基于势场理论的机器人足球决策系统的研究

将势场理论运用到机器人足球比赛策略中，借助于势场力建立一个球的各坐标点对我方构成威胁的隶属函数。将场地态势这一模糊问题量化，并在此基础上对场地进行划分。依据此隶属函数进行队形确定和变换都比较方便，因为这种场地划分是依据特定的队形进行的，所以根据场地态势确定的队形对场地的适应性较高。仿真实验证明，这一理论是有效的。     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

足球机器人的双圆弧射门算法研究

为了提高机器人足球比赛中的成功率,在分析了基本算法不足的基础上,利用能够满足任意端点及其斜率要求的双圆弧曲线来解决机器人小车到达目标点的位置,以及姿态运动过程中遇到障碍物能够保持最佳姿态的射门问题,并利用优化设计中的复合形法进行了运动路径寻优.仿真结果表明,利用双圆弧曲线可保证足球机器人有效地避开障碍物到达目标位姿,且可保证规划路径上的每一点均能满足非完整约束条件,有效地为足球机器人规划出避碰最优路径.优化后的方法简单有效,可对机器人的初始条件不加限制,计算量非常小,因此有较高的实用价值.     

基于隐马尔可夫模型的机器人足球赛场态势评估

针对机器人足球赛场态势评估问题,提出一种基于隐马尔可夫模型（HMM）的机器人足球赛场态势评估模型。通过对赛场信息进行提取和量化,抽象出7个相关态势因素,作为HMM模型的输入数据,通过采用改进的Bauw-Welch算法优化HMM的参数,从而获得赛场态势评估结果。实验结果表明,所提出的方法能较好地满足赛场实时性和准确性的要求,可以为球场上对应策略的变更提供及时、可靠的依据。     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

基于敌我信息的机器人足球策略设计

机器人足球是一个多智能体系统,决策子系统是机器人足球系统的核心部分.在分析机器人足球决策子系统及角色分配策略的基础上,建立了足球机器人控球能力的表达式,设置了突破敌方防守成功率的评估函数,并设计开发了一种基于敌我信息的机器人足球多智能体协作策略,以更好地掩护我方射手,避障,破坏敌方攻势,增加多智能体的灵活机动性,提高比赛的攻守效率.最后通过仿真比赛证明了该策略的有效性.