一个基于角色的动态多智能体协作模型RBDMAS

提出了一个新的多智能体协作模型-基于角色的动态多智能体协作模型(Role Based Dynamic Multi-agent System,RBDMAS).该模型将角色的概念引入到多智能体协作模型中,利用在各智能体中设立角色信息库,动态地实现了多智能体的协作.最后,RoboCup 仿真验证了该模型的有效性.     

基于主智能体的群体学习算法GLBMA

以机器人足球比赛（RoboCup）为背景,基于主智能体和辅助智能体概念,提出了基于主智能体群体强化学习算法（GLBMA）,该算法通过主智能体和辅智能体的角色切换来实现整个团队的学习,改进了传统的群体强化学习算法。RoboCup仿真比赛试验表明,传统群体强化学习算法中的行为学习状态空间过大,连续状态空间的行为选择及多智能体合作求解等问题得到了解决．     

基于改进熟人模型的多智能体协作

对RoboCup3D智能体仿真系统内的多智能体协作问题进行了研究和分析,并针对RoboCup3D具体的系统特性,提出了改进熟人模型来解决多机器人协作问题,通过对智能体的熟人类型进行分类,对系统目标最关键的信息进行求解,降低通讯和计算开销,给出了熟人评价体系及策略触发方式,使之能够应用在层次化的整体策略框架。在RoboCup3D仿真平台中对改进熟人模型进行了测试。     

仿真足球比赛中的射门策略研究

根据RoboCup 2D仿真足球比赛仿真环境,详细分析了影响球员智能体射门成功率的主要要素:kick_rand属性、球运动噪声和对方守门员智能体,并综合其效果,得到较好的射门成功率估计.通过将球门离散化成许多个点,然后对每个点进行射门成功率评估,选择最佳射门点,从而得到一个新的射门策略.实验表明:新的射门策略明显提高了射门的成功率,达到预期效果.     

分层模型下的多Agent系统协作机制在RoboCup3D的应用

为了提高多智能体协作的效率,让机器人足球队取得更好的成绩,以RoboCup3D机器人足球仿真系统为应用背景,提出了一种基于分层模型的多Agent系统协作机制。分层模型主要包括用来保证Agent通信的通信层,完成Agent角色分配的技术层和负责Agent阵型定位等决策的控制层。实验结果表明,团队协作能力往往是机器人足球比赛得分的关键,基于分层模型的协作机制对于提高机器人球队的整体对抗能力起到了明显作用。     

不完全信息下的非通信多Agent协作控制研究

针对分布式多 Agent 系统(MAS)的动态不确定性、信息不完全性以及非信讯的多智能体协作特点,引入了 Agent 递减算法,并据 agent 行为预测的具体情况对其加以调整,而后结合提出的时空表控制方式,解决了不完全信息下的多 Agent 的非通信协作问题,并提高了协作效率.最后,以足球机器人 RoboCup 仿真比赛系统实际应用为例,验证了该方法的可行性和有效性.     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。     

模糊决策树在RoboCup仿真组“二对一决策”中的应用

在RoboCup(机器人足球世界杯)仿真组比赛中供决策的信息大多数为连续变量,同时对决策的精度要求较高,而一般的决策树是对离散信息进行分类,抗干扰能力差,难以处理此类问题.模糊决策树把模糊理论与一般的决策树相结合,采用该方法学习RoboCup仿真组比赛中“二对一决策”规则,并在决策树截断条件中引入了最优化指标,通过对4000组样本进行学习和检验,决策正确率达到86%以上,验证了该方法的有效性.同时模糊决策树的决策结果较一般决策树提供了更多的选择方案,便于进行有针对性的取舍从而达到最优的决策效果.     

Robocup中截球模块的设计

RoboCup是一个标准问题,通过它可以来评价各种理论、算法和框架等.在RoboCup仿真组的比赛中,截球动作做为防守的基础,具有非常重要的地位和作用.本文通过将跑位和截球动作结合,设计出较为有效的截球模块.     

RoboCup视听信息处理策略中粒子滤波定位法的应用

在RoboCup仿真组比赛中,仿真模型引入了真实世界的很多复杂特性,使得智能体在场上执行动作时受到限制.首先分析了视觉信息特征和视觉感知噪声模型,在这个基础之上给出了一种视觉信息处理策略,即基于视觉噪声的粒子滤波定位法,最后进行了实验模拟.通过对实验数据的对比分析可以看出,这种视觉信息处理策略能够在Agent内部维护一个相对更为精确的比赛场上的全局模型.