基于多Agent的足球机器人仿真系统的设计与实现

论文摘要

随着计算机技术的发展,有关多智能体系统MAS（Multi-agent System）的研究已经成为人工智能领域的重要研究内容,也是计算机领域的一个重要研究方向。RoboCup（Robot World Cup）,即机器人世界足球锦标赛,是近几年人工智能中受到广泛关注的研究领域之一,有着重要的理论意义和广阔的应用前景。RoboCup是一个典型的研究多智能体系统的平台,通过提供一个标准的问题,鼓励人工智能研究人员在一个实时异步、有噪声的对抗环境下,对多智能体的决策和合作问题进行研究。本文立足于RoboCup仿真组2D比赛,设计实现了足球机器人仿真系统中的智能体站位策略和动作策略,并且通过模拟比赛验证了所设计的策略。智能体的站位策略处理是基于底层世界模型,根据分析比赛当前的状态而做出的决策策略。本文首先运用人工智能和神经网络的方法,并结合SoccerServer（2D）的仿真环境以及足球专家的经验,设计了仿真2D组客户端的智能体站位策略。在设计中我们运用BP神经网络训练来确定基本阵形点,并根据比赛的实时信息进行攻防状态的转换,进而完成对进攻站位策略和防守站位策略的实现。在RoboCup仿真比赛中,每一个球员都是一个智能体,球队的强弱很大程度上体现了球员智能体技能动作设计的优劣。高层的战术策略最终也要转化为一系列的动作。本文接着运用神经网络、模糊系统等方法,设计了RoboCup中仿真2D组客户端的控球策略、截球策略、守门策略等动作策略。本文最后采用4-3-3阵形进行了模拟比赛的测试,验证了我们所提出的智能体站位策略和动作策略的合理性。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 RoboCup的研究背景与意义
• 1.2 本文的内容与目标
• 第二章 RoboCup仿真系统与Agent框架概述
• 2.1 RoboCup仿真比赛环境
• 2.2 SoccerServer仿真模型
• 2.2.1 球场和球员
• 2.2.2 球员的感知模型
• 2.2.3 球员的体力模型
• 2.3 Client客户端
• 2.3.1 客户端的系统流程
• 2.3.2 客户端中各个Agent的球队决策和智能体资源
• 2.3.3 客户端的设计难点
• 2.4 Agent框架概述
• 2.4.1 开发环境
• 2.4.2 程序框架
• 2.4.3 根据程序结构划分程序框架
• 第三章 智能体站位策略处理
• 3.1 决策策略
• 3.1.1 神经网络
• 3.1.2 阵型和角色
• 3.1.3 阵型位置的确定
• 3.1.4 攻防状态的转换
• 3.2 防守站位策略
• DF_Block_for'>3.2.1 阻塞防守Arrange_DF_Block_for
• DF_Mark_for'>3.2.2 防守无球人员Arrange_DF_Mark_for
• DF_formation_for'>3.2.3 基于防守点的基本站位Arrange_DF_formation_for
• 3.2.4 最佳防守站位策略
• 3.2.5 最佳站位调整
• 3.3 进攻站位策略
• For_Formation'>3.3.1 基于进攻站位Arrange_For_Formation
• For_Meetball'>3.3.2 接应传球站位Arrange_For_Meetball
• 3.3.3 站位点的特殊调整
• 第四章 智能体控球策略处理
• 4.1 RoboCup系统中Agent的动作模型
• 4.1.1 Catch模型
• 4.1.2 Dash模型
• 4.1.3 Kick模型
• 4.1.4 Move模型
• 4.1.5 Say模型
• 4.1.6 Trun模型
• 4.1.7 TumNeck模型
• 4.1.8 Stamia模型
• 4.2 动作实现
• 4.2.1 算法分析
• 4.2.2 动作策略
• 4.3 测试结果
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 附录 作者在攻读硕士学位期间发表的论文