團隊對抗性游戲決策系統(tǒng)的研究與實現(xiàn).pdf

1、隨著人工智能理論與技術在軍事對抗和國民生產(chǎn)等領域的廣泛運用，多智能體系統(tǒng)已用于諸多問題的求解。當前，團隊對抗性游戲已成為了智能決策控制研究的焦點，如：戰(zhàn)機空空協(xié)同作戰(zhàn)系統(tǒng)、集群式作戰(zhàn)機器人和Robocup仿真組足球機器人等。由于娛樂性、對抗性、動態(tài)性和不確定性，使其成為人工智能和機器人學結(jié)合的理想平臺。這些系統(tǒng)，有著共同的特征。首先，比賽的形式是敵我雙方陣型的團隊博弈，其中每個機器人是具有決策能力的智能體。其次，在比賽過程中，不但要發(fā)揮

2、自主角色個體技術，而且還能通過合作策略發(fā)揮集體力量。要獲得博弈的勝利，必須集成許多技術，其中，決策系統(tǒng)是機器人是否具有高智能的體現(xiàn)，并且是團隊對抗獲勝的關鍵。本文對團隊對抗性游戲決策系統(tǒng)展開研究，從團隊的個體決策來實現(xiàn)團隊的整體協(xié)作入手，本文設計了團隊成員的雙層決策模型，包括團隊成員的高層協(xié)作策略和交互層基本行為策略?；陔p層模型的決策系統(tǒng)簡化了決策內(nèi)容的設計與學習，增強了推理的能力，主要內(nèi)容包括： (1)為團隊成員設計交互層基

3、本行為策略，團隊成員通過執(zhí)行交互層基本行為策略反映高層協(xié)作策略的整體意圖，是高層協(xié)作策略學習的基礎。本文采用Java規(guī)則引擎和遺傳編程學習方法，設計交互層基本行為的混合策略控制模型，提高決策系統(tǒng)的易擴展、易修改性和自學習、自適應的能力。設計一種面向行為的、機器自翻譯的TableRex語言，對遺傳編程個體決策控制程序進行編碼，提高遺傳編程個體程序解析、執(zhí)行和進化操作的效率。 (2)在交互層基本行為策略的基礎上，根據(jù)博弈論的沖突分析

4、或相互影響的決策理論，提出了基于隨機博弈的團隊Agent協(xié)作強化學習算法，解決全自主控制方式下的團隊成員高層協(xié)作策略的學習問題。同時，本文通過人工智能的存儲方法，解決多Agent強化學習算法中組合空間和聯(lián)合行為對存儲空間的“維數(shù)災難”性問題，建立人工神經(jīng)網(wǎng)絡存儲組合狀態(tài)和聯(lián)合策略到長期得益矩陣的Q值映射。 本文的研究選用RoboCode坦克仿真引擎作為驗證平臺，設計Robocode團隊的組織結(jié)構(gòu)和及其成員體系結(jié)構(gòu)，團隊內(nèi)的通訊協(xié)