RoboCup仿真组的传球策略

为了提高传球的准确性和队员之间的配合,将一种新的传球策略引入机器人足球传球中。介绍了BP算法自身的特点,并把BP算法应用在传球中。进一步,利用BP算法的思想,从解析几何的角度对决策过程进行修改和改进。最终表明这种传球策略提高了传球效率。以后的工作重点是加大传球提前量,提高进攻节奏。     

基于改进的Q学习的RoboCup传球策略研究

模拟机器人足球比赛(Robot World Cup,RoboCup)作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点。传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间。提出将神经网络应用于Q学习,系统只需学习部分状态-动作的Q值即可获得近似连续的Q值,就可以有效地提高泛化能力。然后将改进的Q学习应用于优化传球策略,最后在RobCup中实现测试了该算法,实验结果表明改进的Q学习在RoboCup传球策略中的应用,可以有效提高传球的成功率。     

基于改进的Q学习的RoboCup传球策略研究

模拟机器人足球比赛(Robot World Cup,RobdCup)作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点.传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间.提出将神经网络应用于Q学习,系统只需学习部分状态一动作的Q值即可获得近似连续的Q值,就可以有效地提高泛化能力.然后将改进的Q学习应用于优化传球策略,最后在RobCup中实现测试了该算法,实验结果表明改进的Q学习在RoboCup传球策略中的应用,可以有效提高传球的成功率.     

RoboCup仿真组的传球策略

为了提高传球的准确性和队员之间的配合．将一种新的传球策略引入机器人足球传球中。介绍了BP算法自身的特点，并把BP算法应用在传球中。进一步，利用BP算法的思想，从解析几何的角度对决策过程进行修改和改进。最终表明这种传球策略提高了传球效率。以后的工作重点是加大传球提前量，提高进攻节奏。     

RoboCup中传球策略研究

Fletcher和Leyffer提出的关于非线性规划问题的SequentialQuadraticProgramming(SQP)Trust-regionfilter基础算法是解决中等规模非线性问题的有效方法,其filter由二元组组成,该文提出了收敛速率的概念,形成三元组fil-ter,这样既保持了原来算法的优点又同时改善了收敛速率和信任域半径,将给出相应改进算法。文章在SQPfilter算法的基础上提出了RoboCup传球策略算法,由于RoboCup本身具有的离散化特点,此算法与SQPfilter算法在具体实现上有所不同。     

基于神经网络的RoboCup进攻策略

机器人足球赛Robocup(Robot World Cup)是国际上规模最大且影响最为广泛的机器人足球赛事。机器人足球比赛已经成为当前人工智能研究的热点之一,作为多Agent系统的一个理想的试验平台,它涉及到了多个技术领域。文章应用神经网络技术解决Robocup仿真组比赛的进攻策略问题,对射门底层技术进行了有效优化。我们把这种策略与以往的基于逻辑准则的策略进行了比较。基于神经网络的优化射门策略在很多情况下会做出更好的决定。     

基于势能场模型的RoboCup进攻策略

文中设定了一个势能场来描述比赛的情况。在这样的势能场中,球将向势能降低的方向运动。定义了3种势能场:第一种是对球场定义的;第二种是对每一个球员定义的;最后一种是前两种的结合。在实际中运用的是第一种。把这一方法提供给队员让他们用它来做出判断,他们将依靠判断势能的大小来决定球往哪踢。把这种策略与以往的基于逻辑准则的策略进行了比较,基于势能场的策略在很多情况下会做出更好的决定,在其他情况下也不会比以前的策略更差。     

基于神经网络和遗传算法的RoboCup截球策略

机器人足球(RoboCup)比赛已经成为当前人工智能研究的热点之一,作为多Agent系统的一个理想的试验平台,它涉及到了多个技术领域。论文应用神经网络技术和遗传算法解决Robocup仿真组比赛的截球问题,对截球技术进行了有效优化。将这种策略与传统的基于逻辑准则的策略进行了比较。分析表明基于神经网络和遗传算法的优化截球策略在很多情况下会做出更好的决定。     

基于角色的RoboCup足球策略

随着计算机软硬件技术的快速发展,人工智能的研究领域出现了一些新的机遇和挑战。未来50年中,人工智能的主要问题是“多主体动态不可预测环境中的问题求解”,其标准问题是足球的机-机对抗赛和人-机对抗赛。论文探讨了机器人足球Robocup仿真比赛的一些关键性技术,并提出了基于角色的决策方法。     

RoboCup中传球策略的研究与实现

该文针对RoboCup仿真2D球队设计中的11个智能体相互间的合作和协调问题,结合整体的规划决策与每个智能体的动作模块的关系,根据BP神经网络的传球速度,提出了基于角色、基于区域及其基于概率判断的传球策略,并指出了三者之间的协调性,用于建立场上关键信息元素和决策之间有效的关系。     

智能体视觉策略在RoboCup中的设计

智能体对环境的认识是其进行决策的重要依据。在机器人足球仿真比赛(RoboCup)中,视觉感知是智能体获得信息、构建世界模型的主要途径。针对仿真比赛中球员智能体进行决策时信息不准确的问题,结合优先级和可信值对智能体的视觉策略进行了设计。根据对观察目标需求的紧迫程度动态地指定观察目标的优先级,然后结合世界模型维护的观察目标的可信值生成各个视觉角度的评价值,通过搜索评价值最大的视觉角度获得优化的视觉信息。实验结果表明这种视觉策略使球员动作的执行更加可靠,增强了球队的整体性能。     

Robocup仿真比赛传球策略研究

机器人足球比赛是一个有趣且复杂的新兴人工智能研究领域,为人工智能和多智能体合作的理论发展提供了一个重要的实验平台,并使多智能体之间的合作、控制等许多新的理论和算法能够在其中得以测试和发展。本文通过对足球机器人传球策略进行分析提出了改进方法,以期提高传球决策的成功率。     

C5.0算法在RoboCup传球训练中的应用研究

针对于RoboCup比赛中出现的传球精度不够准确的问题,通过对决策树学习方法的探讨,该文提出了一种用于RoboCup仿真球队中Agent学习传球技能的一种决策树方法。将C5．0即ID3的改进算法应用到Agent传球能力的训练中,它使得Agent能够根据场上的具体情况,把球成功传给队友。Agent在得到球的控制权之后,首先确定传球成功率最大的球员,然后并不直接执行传球的动作,而是调整Agent自身的准备动作以达到传球的最佳状态,最后进行传球的行为。仿真结果表明,该方法有效地提高了Agent的传球能力。     

RoboCup中基于动态目标驱动的抢断策略分析

论文描述了Robocup中Agent之间的依赖关系,在此基础上建立抢断中的Agent模型,并基于该模型分析了在特定足球阵形下借助依赖与协商形成抢断策略的过程。此外,还分析和讨论了如何针对进攻中的具体问题来构造相应的抢断算法。     

RoboCup中动态目标驱动的策略分析

Agent理论和技术是当前A1研究中的热点。其中，基于目标驱动的Agent计算是一个尚待解决的关键性问题。文章提出了目标驱动中的依赖和协商机理，以RoboCup为测试床建立了面向足球抢断的动态目标驱动模型，并基于该模型分析了在特定足球阵形下借助依赖与协商形成抢断策略的过程。     

基于Agent的RoboCup数学建模

随着计算机软硬件技术的快速发展,人工智能的研究领域出现了一些新的机遇和挑战。Agent作为一种新的软件开发范型,受到了AI(ArtificialIntelligence)研究者的青睐。论文根据Agent的信念(Belief)、愿望(Desire)和意图(In-tention),给出了RoboCup中射门函数的数学模型。     

RoboCup中传球策略的实现

对多智能体间的协作和协调进行了研究和分析,论述了基于角色和基于区域的两种传球决策方法,以及它们在中南大学云木麓队（CSU_Yunlu）中的应用。在2003年中国机器人大赛RoboCup仿真组比赛中云麓队获得了二等奖。     

基于GraphX传球网络的传球质量量化研究

虽然大数据技术在不断成熟,但它在竞技体育领域的相关应用研究还处于探索阶段。常规篮球统计缺乏对传球数据的记录,更缺乏对传球数据的统计分析、价值挖掘及应用等方面的研究。首先,在GraphX基础上将传球数据构建成图,为传球质量的研究奠定基础;其次,提出传球质量评估方法PESV(Pass Expectation Score Value),相比于传统的助攻数与失误数的比值ATR(Assist Turnover Ratio),PESV能更全面地评价球员传球的质量;最后,介绍基于传球网络及传球质量评估方法PESV的几种应用场景,包括传球质量对比赛结果的影响分析、基于PESV值的传球路线选择,并以华人球员林书豪为例,计算其2015－2016赛季的传球得分期望值。     

基于多Agent Q学习的RoboCup局部配合策略

针对RoboCup（Robot World Cup）中,多Agent之间的配合策略问题,采用了一种局部合作的多Agent Q-学习方法：通过细分球场区域和Agent回报值的方法,加强了Agent之间的协作能力,从而增强了队伍的进攻和防守能力。同时通过约束此算法的使用范围,减少了学习所用的时间,确保了比赛的实时性。最后在仿真2D平台上进行的实验证明,该方法比以前的效果更好,完全符合初期的设计目标。     

基于影响图的传球训练策略的实现

影响图是决策问题的图形表示,利用影响图可以有效地解决智能Agent的行为选择,而传球问题就是球员Agent选择传球速度和角度的问题。建立了一个基于影响图的传球模型,并根据该模型创建一个评价传球效果的效用函数;然后利用由教练程序改写的记录员程序来记录数据,并进行统计得到效用函数中的概率值;最后通过训练得到效用函数中系数的值,并利用此效用函数作传球训练。训练结果表明该效用函数是可信的。