论文部分内容阅读
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。RoboCup机器人足球世界杯赛是国际上规模最大且影响最为广泛的机器人足球赛事，本文基于Agent和多Agent系统的理论基础，设计并实现了一支RoboCup仿真机器人足球队。 构建一支RoboCup仿真球队需要做很多工作，其中包括Client与Server间的通讯、消息的解析、Agent的结构设计、Agent的基本技能训练、多个Agent间的协作、与对手的对抗及球队策略的安排等等。本文的重点主要集中在以下几个方面： (1) 设计了一种适用于RoboCup比赛的分层混合式Agent结构，该结构共分为接口层、解析层、决策层和规划层四个层次，由于融合了慎思式结构和反应式结构的优点，这种结构使得Agent不仅能够响应紧急的情况，而且能够做出中短期的行为规划； (2) 通过对决策树学习方法的研究，本文提出了一种基于决策树学习的训练方法，来对Agent的基本技能进行训练，使得Agent既能对自身行为的执行效率进行评价，又能够根据当前场上的状态选择适当的行为； (3) 给出了一种基于战术的局部协作方法，实现了多个Agent间有意识的协作，提高了球员间的配合能力和球队的对抗能力； (4) 考虑到现实世界中不同角色的球员有着不同的职责分工，采用了层次分析的方法进行异构球员的选择。