论文部分内容阅读
RoboCup是全球影响力最大的机器人足球比赛，是机器人学和人工智能及其应用的标准研究问题之一。仿真组在RoboCup中是重要的一部分。由于仿真组的比赛环境非常复杂，采用手工编码实现的Agent的高层决策无法考虑到比赛的所有情况，缺乏灵活性，并且需要花大量的时间对手工编码中的参数进行调整，结果也不是很理想。所以本文采用机器学习来实现Agent的决策。本文运用了一种基于CMAC的Q学习方法，把该方法应用在禁区内进行2VSl进攻的策略学习训练实例中，实验结果表明了本方法的可行性和有效性。