Agent個體學(xué)習與多Agent協(xié)作的研究及其在RoboCup中的應(yīng)用.pdf

1、近年來,有關(guān)多agent系統(tǒng)與分布式人工智能的研究,已經(jīng)成為人工智能領(lǐng)域的重要研究方向之一.多agent系統(tǒng)以人類社會為參考目標,重點研究集體的智能行為.RoboCup(robot world cup),即機器人世界杯足球賽,是典型的多agent系統(tǒng).人們通過對機器人足球賽的研究,探索多個機器人之間的合作與協(xié)調(diào)關(guān)系.機器人足球隊為了能夠完成實際的比賽任務(wù),需要結(jié)合多種技術(shù),包括自主機器人的設(shè)計、多agent的合作與協(xié)調(diào)、決策調(diào)度、實時推

2、理、機器人學(xué)和傳感技術(shù)等.RoboCup作為人工智能和機器人學(xué)新的標準問題,已受到越來越廣泛的關(guān)注.在RoboCup中要想構(gòu)建一支完整的球隊,主要有兩方面的工作:獲得球員的個體動作以及在多個球員之間進行合作.該文就是從這兩個方面展開研究.所謂的個體動作指的是由服務(wù)器提供的若干個動作命令組合起來實現(xiàn)的一個足球運動員的實際動作,比如射門、截球、傳球等.該文重點研究兩種神經(jīng)網(wǎng)絡(luò)算法:BP算法和RBF算法,使用這兩種學(xué)習算法解決射門問題和傳球問

3、題.多個球員之間的合作屬于多agent協(xié)作問題,即如何把所有球員有效的組織起來爭取比賽的勝利.協(xié)作圖是一種解決協(xié)作問題的新方法,它將全局的協(xié)作問題分解為若干個局部協(xié)作問題,大大減小了agent需要選擇的動作空間.但是協(xié)作圖要求離散狀態(tài)變量,所以無法直接應(yīng)用到類似RoboCup這種通訊條件受到限制的連續(xù)狀態(tài)空間.為此,該文提出基于角色的協(xié)作圖,并對協(xié)作圖中用來計算聯(lián)合動作的變量消減算法加以改進.在RoboCup中使用基于值規(guī)則的協(xié)作圖實現(xiàn)