基于改进遗传算法的RBF网络的截球策略

在RoboCup2D仿真足球比赛中,球员的底层动作设计的好坏直接影响着比赛的输赢,特别是一些关键的动作,比如截球、传球、射门等动作。鉴于此,提出一种新的截球方法,即改进的遗传算法和RBF神经网络相结合的截球方法。该方法是用改进的遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的全局搜索效率。实验表明,经过改进遗传算法优化的RBF神经网络的截球成功率比单一的RBF神经网络截球成功率高很多。     

自适应遗传算法和RBF网络在传球中的应用

机器人足球仿真比赛系统是研究人工智能的优秀平台,借助平台,将智能算法应用到仿真球队的相关策略设计中,通过球队之间的比赛以验证算法的可行性.传球是球员的基本动作之一,设计的好与否直接影响着球队的整体实力.由于仿真比赛环境是一个实时、动态、有干扰的环境,难以对传球动作建立精确的物理模型.为提高球队近似物理模型的传球成功率,提出了一种新的传球方法,即基于自适应遗传算法的RBF神经网络传球方法.用自适应遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的学习能力和全局搜索效率.仿真结果表明,经过自适应遗传算法优化的RBF神经网络的传球成功率得到了很大提高.