Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多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,协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题,分析了目前在RoboCup中的几个典型多智能体协作模型,提出一种三层的Multi-Agent层次协作模型,它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

一种基于行为的双层动态智能体结构及其在RoboCup中的应用

该文针对目前智能体结构模型的问题,提出了一种基于行为的双层动态智能体结构模型,它是一种混合结构模型,包括有反应式结构和慎思结构,并采用自信度来连接这两种结构,既可以提高在实时动态环境下智能体反应的敏捷性,也使自主机器人能够在动态环境下识别任务。这种混合结构模式已成功地应用于RoboCup仿真机器人足球赛中,并取得了比较好的成绩。     

群智能在多智能体系统中的应用研究进展

群智能算法是受群居性昆虫群体的集体行为启发而设计的分布式问题求解方法,将它应用到多智能体系统,旨在提高系统的鲁棒性、灵活性和自适应性。以群智能在多智能体系统中的应用为线索,首先介绍群智能的核心机制,然后从多智能体系统通信机制、协作技术、学习问题及体系结构建立这几个方面总结群智能理论在多智能体系统中的已有工作。最后分析和讨论了群智能方法在多智能体系统应用中存在的问题,并提出今后的工作展望。     

多智能体协作方法及其应用研究

将复杂系统分解成由多个智能体构成的合作多智能体系统，建立了多智能体系统的决策模型，能动态实时地计算每一时刻智能体的决策局势，适应环境的动态变化．采用多智能体方法对半导体生产进行调度，提高了半导体生产线设备的利用率，缩短了单位工件的加工时间．     

Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多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，协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题，分析了目前在RoboCup中的几个典型多智能体协作模型，提出一种三层的Multi—Agent层次协作模型，它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

基于换位思考模型的多智能体协作研究及在RoboCup中的应用

机器人世界杯(RoboCup)是一个典型的多智能体系统.为了提高多智能体协作的效率,提出一种新的基于换位思考模型的多智能体协作研究方法.首先,教练智能体获取仿真比赛环境中球员智能体的无噪音信息,对所有队友智能体建模;然后,应用高斯分布计算队友智能体的当前行为模式,并把当前模式反馈给仿真环境;最后,球员智能体根据换位思考模型计算得到的模式做出相应决策.该模型已经应用于HfutEngine2D仿真球队中,在RoboCup仿真比赛中获得2007年中国公开赛亚军,2008年机器人世界杯第7的好成绩.     

多智能体系统中的协商模型

目前,对多智能体系统的应用多是以开放的、复杂的、变化的网络为平台,为了更好地与环境相匹配,同对提高智能体之间协商的效率,从全局与单个智能体两方面着手,提出了一种新的MAS全局模型,并相应地提出了全局协调Agent的三维模型以及智能体之间的协商模型。通过这一系列模型的模拟实现,证明了此协商模型是正确的与接近自然的。从理论上基本上解决了与当前流行的基于网络的各种先进的智能系统,分布式问题求解等领域的衔接,因而有一定的指导意义并具有广阔的发展前景。     

Multi-Agent层次协作模型及其在RoboCup中的应用

以RoboCup仿真机器人足球比赛中的多个智能体为研究对象,对Multi—Agent协作问题进行了研究。为了使Multi—Agent能够协同工作来完成复杂的任务,同时使Agent具有较高的智能性和反应性,提出了Multi—Agent层次协作模型。实验结果验证了以上研究的有效性。     

Q学习在RoboCup前场进攻动作决策中的应用

RoboCup是世界上规模最大的机器人足球大赛,包括软件仿真与硬件实体两类项目的比赛。RoboCup仿真2D作为软件仿真项目的重要组成部分,成为研究人工智能和多Agent智能体协作的优秀实验平台。将Q学习应用到RoboCup仿真2D比赛的前场进攻动作决策中,通过引入区域划分,基于区域划分的奖惩函数和对真人足球赛中动作决策的模拟,在经过大量周期的学习训练后,使Agent能够进行自主动作决策,从而加强了多Agent的前场进攻实力。     

多智能体分层协作规划及在RoboCup中的应用

为了更好地解决一类通讯受限环境中多智能体任务协作规划问题,提出了基于MAXQ-OP的多智能体在线规划方法,并在RoboCup仿真2D足球比赛的人墙站位和多球员传球问题中对算法进行了实验.实验结果表明,这个方法使智能体在需要协作配合的环境中的表现比传统方法有了明显提升.     

一种模糊强化学习算法及其在RoboCup中的应用

传统的强化学习算法只能解决离散状态空间和动作空间的学习问题。论文提出一种模糊强化学习算法,通过模糊推理系统将连续的状态空间映射到连续的动作空间,然后通过学习得到一个完整的规则库。这个规则库为Agent的行为选择提供了先验知识,通过这个规则库可以实现动态规划。作者在RoboCup环境中验证了这个算法,实现了踢球策略的优化。     

基于四腿机器人足球比赛的多智能体协调控制

依托RoboCup四腿组机器人足球比赛,结合图像处理和无线网络通讯手段,建立反映赛场对象定位信息的环境模型,并基于此模型探讨多智能体动态角色分配与协调控制的实现方法。     

非通讯多Agent协作在RoboCup中的应用

智能体的行为预测是多智能体系统中的一个具有挑战性的问题。根据多agent系统(MAS)中的研究,为了提高进攻的速度,文中将一种新的合作策略引入到机器人足球中。首先,介绍了MAS的特点。同时,引入了一种agent削减算法来进行行为决策。进一步,调整了涉及到的agent的数目,在非通讯情况下实现了球员之间的协作。以后工作的重点是增加对对手的建模,以期提高进攻的成功率。     

RoboCup智能系统设计中的守门策略

在RoboCup智能系统中守门员是一个特殊的智能体,其中的扑救动作也较为特殊.一个扑救动作之后要过一定的周期才能进行下一个扑救动作,因此在算法中考虑到扑救命令的成功率,能够扩大守门员的防守范围.     

RoboCup中型组机器人足球相关技术研究

机器人足球世界杯比赛（RoboCup）作为多智能体系统的一个良好的实验平台,已经成为人工智能的研究热点。本文综述了RoboCup机器人足球赛的发展概况和中型组比赛的现状,针对中型组足球机器人基于动态目标驱动模型的系统化、模块化软件系统架构和相关关键技术进行较为详细的分析和比较,最后对中型组机器人足球未来的发展方向进行了分析和展望。     

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。