论文部分内容阅读
传统的BP神经网络算法已被有效地应用于处理RoboCup中防守策略,但是它具有最速下降法收敛速度慢和易陷入局部极小的缺点。针对该问题提出了一种改进的BP算法,通过增加附加动量项对BP算法进行了改进,并将之应用于离线的防守学习。随后,在RoboCup环境中与传统的BP算法进行了比较,结果表明：该方法可有效提高收敛成功率。