基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计.文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法.首先定义-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,然后利用佳点集遗传算法为足球机器人选择合适的动作,用该算法进行截球实验和射门实验.实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳.     

佳点集遗传算法

该文借助于遗传算法的理想浓度模型以及由此模型对遗传算法的机理的分析,给出了遗传算法的运行机理发及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则蛎：导向以高适应度模式为祖先的“家族”方向,以此结论为基础,利用数论中的佳点休的理论和方法,对GA算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为佳点集遗传算法,最后作者将佳点GA算法应用于求解优化问题、SAT问题、TSP问题和背包问题,并与其它求解SAT算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛的现象,这说明作者对GA算法机理的理解和佳点CA算法可能为GA算法的研究开辟一条新的途径。     

佳点集遗传算法的应用

本文利用数论中的佳点集理论和方法,给出了佳点集遗传算法,将佳点集ＧＡ算法应用于求解几类典型的组合优化问题,并与传统ＧＡ算法进行比较,可以看出该算法不仅提高了求解的效率和精度,还有效地避免了“早熟”现象。     

基于佳点集遗传算法的聚类技术

提出了两种基于佳点集遗传算法的聚类新方法GAmeans和HgaMeans,适用于不同数据库下的聚类挖掘。GAmeans可用于发现指定簇数的聚类中心,具有对初始数据的弱依赖性、收敛快、精度高并可避免早熟的特点;而混合方法HgaMeans是利用k-means对GAmeans聚类结果的进一步提炼,实验表明它具有更好的聚类质量和综合性能。     

变焦佳点集遗传算法

通过使用数论佳点集理论与方法构造出佳点交又算子,佳点集遗传算法(GGA)具有更快的收敛速度和精度,且避免了常见的早期收敛现象,但是二进制编码的佳点集遗传算法在位串长度确定的情况下无法克服二进制与实数之间的映射误差。针对二进制编码遗传算法存在从最高位到最低位依次收敛的多米诺现象,提出含有变焦因子的佳点集遗传算法来变相增加位串编码长度以期缩小该映射误差,提高搜索效率和求解精度。通过不同维数下的Benchmark测试函数的仿真结果表明,改进的算法具有全局收敛、求解精度和搜索效率高的优点。     

基于佳点集遗传算法的特征选择方法

针对特征选择中降维效果与分类精度间的矛盾,通过分析传统的特征选择方法中的优点和不足,结合佳点集遗传算法的思想和K最近邻简单有效的分类特性,提出了基于佳点集遗传算法的特征选择方法.该算法对特征子集采用佳点集遗传算法进行随机搜索,并采用K近邻的分类错误率作为评价指标,淘汰不好的特征子集,保存较优的特征子集.通过实验比较看出,该算法可以有效地找出具有较高分类精度的特征子集,降维效果良好,具有较好的特征子集选择能力.     

基于佳点集的多目标遗传算法

佳点集遗传算法是利用数论中的佳点集的理论,对GA算法中的交叉操作进行了重新设计的GA算法.该算法不仅提高了求解的效率和精度,还能有效地避免"早熟"现象.对其部分机制作出改动,使其可以应用于多目标优化问题.并将其引入一个典型的多目标遗传算法NPGA中.文中给出的仿真算例证实了改进方法的有效性.     

基于数论佳点集的遗传算法初始种群均匀设计

文章利用数论中的佳点集理论和方法,给出了遗传算法初始种群生成的一种具有良好多样性的均匀分布设计.通过对遗传算法机理的研究,发现初始种群的分布状态不仅直接关系到遗传算法的全局收敛性,还影响算法的搜索效率,所以对初始种群进行科学合理设定是应用遗传算法进行寻优计算的一个重要问题.基于优化设计思想,提出应用佳点集均匀设计方法确定遗传算法的初始种群.这种方法具有简单易行、种群多样性好、更适合多维情况等特点,实验结果验证了该方法可以有效地改善算法的全局收敛性,提高搜索效率.     

基于佳点集遗传算法的0-1背包问题解决方法

提出了利用数论中的佳点集理论来解决一类典型的优化组合问题——0-1背包问题的新方法。该方法结合遗传算法和贪婪方法,利用佳点集来产生新的交叉算子,优化了子代的选择方法。实验结果证明了该方法的有效性。     

基于佳点集的多目标遗传算法

佳点集遗传算法是利用数论中的佳点集的理论,对GA算法中的交叉操作进行了重新设计的GA算法。该算法不仅提高了求解的效率和精度,还能有效地避免“早熟”现象。对其部分机制作出改动,使其可以应用于多目标优化问题。并将其引入一个典型的多目标遗传算法NPGA中。文中给出的仿真算例证实了改进方法的有效性。     

基于退火进化算法的机器人足球策略研究

针对一般遗传算法存在的一个显著的问题：“早熟收敛”与“快速收敛”之间的矛盾,解决早熟收敛的基本思想就是保持群体中个体的多样性,而模拟退火接受准则（即Metropolis准则）可以解决这方面的问题,可以避免搜索陷入局部极值,确保找到问题的整体最优懈。因此在遗传算法中引入退火操作,定义了一个足球机器人的动作集合,根据赛场上的实际情况为足球机器人分配角色与任务,然后利用退火进化算法为足球机器人选择合适的动作,采用了一种高效的适应性评价方法,实验表明,应用退火进化算法的仿真足球机器人动作准确、效果更好。     

基于退火进化算法的机器人足球策略研究

针对一般遗传算法存在的一个显著的问题:"早熟收敛"与"快速收敛"之间的矛盾,解决早熟收敛的基本思想就是保持群体中个体的多样性,而模拟退火接受准则(即Metropolis准则)可以解决这方面的问题,可以避免搜索陷入局部极值,确保找到问题的整体最优解.因此在遗传算法中引人退火操作,定义了一个足球机器人的动作集合,根据赛场上的实际情况为足球机器人分配角色与任务,然后利用退火进化算法为足球机器人选择合适的动作,采用了一种高效的适应性评价方法,实验表明,应用退火进化算法的仿真足球机器人动作准确、效果更好.     

带佳点交叉算子的非均匀窗口蚁群算法

基本蚁群算法具有较强的鲁棒性,但收敛慢并容易陷入局部最优。针对这些缺陷,通过将蚂蚁的搜索空间缩减在非均匀的小窗口中,减少了蚂蚁的搜索时间。并将佳点集遗传算子引入到解的优化中来,提出了带佳点杂交算子的非均匀窗口蚁群算法,从本质上探索蚁群算法的寻优能力。实验结果表明:新提出的算法明显快于基本蚁群算法,佳点集杂交算子对解的优化有较好的作用。但需要继续探索避免陷入局部最优的方法,以及算法各部分所采用的方法的平衡问题。     

足球机器人守门员防守策略研究

分析了足球机器人比赛中防守特点,提出了一种根据区域划分的防守策略算法。分析了可能遇到的几种情况,针对不同的现场局面形式,给出不同的防守策略。     

足球机器人决策开发平台与专用语言的设计与实现

决策系统是足球机器人系统的重要部分，在传统的决策系统开发方法的基础上设计了决策开发平台与专用语言系统，阐述了该系统的总体结构和RS语言类的设计，详细分析了RS语言到C 语言的实现过程，并在仿真系统中验证了RS语言编写决策系统的可行性．     

基于DSP的足球机器人控制系统的设计

对微型足球机器人底层控制系统进行了研究,分析了用普通单片机控制的足球机器人在比赛中的利弊,给出了一种基于DSP的足球机器人控制系统的实现方案。采用DSP芯片构造足球机器人后,不仅简化了系统外围设备,降低了系统的损耗,而且提高了系统的准确性和实时性,获得更好的控制效果。详细描述了基于DSP的足球机器人控制系统组成的各个模块的硬件实现,并给出了相应的软件设计方案。最后通过机器人左右轮设定速度与测量转速关系曲线证明了设计方案的有效性。     

机器人足球余弦射门算法

为提高足球机器人在比赛中的射门次数,以及射门效率,在分析了人类足球中盘带过人等技术的基础上,引入余弦曲线作为机器人射门路线。仿真结果表明,该算法在球静态和动态两种情况下均能提高机器人在足球比赛中的射门次数,增大了进球的次数。     

基于Hermite曲线的机器人足球射门算法

机器人足球比赛是关于人工智能的新兴研究领域,它集数学算法、多智能体、机械设计、控制理论等多个学科于一体,是先进科学技术的发展代表。在机器人足球比赛中,射门和传球是两个最基本的动作。提高动作的速度以及准确性、连贯性是提高动作效率的关键。本文提出一种基于Hermite插值曲线的机器人足球射门算法。利用Hermite插值曲线的数学特性,可以使机器人在满足一定速度的基础上,连续、准确地完成射门或传球动作,并且能大幅度地提高射门或传球的效率。本文以FIRA5：5仿真平台为背景,结合试验证明,利用此方法可以较好地提高射门的成功率。