1、多主體系統(tǒng)(MAS)是當(dāng)前人工智能研究的主攻方向.就是在一個(gè)實(shí)時(shí)動(dòng)態(tài)變化的和不可預(yù)測的環(huán)境中,有自主能力的自主體,作為團(tuán)隊(duì)的一部分,自動(dòng)地進(jìn)行有效的動(dòng)作,完成整個(gè)隊(duì)伍的目標(biāo).機(jī)器人足球就是這樣的一個(gè)多主體系統(tǒng),它具有MAS的所有特性.同時(shí),機(jī)器人足球具有觀賞性和刺激性,可以很好的展示多主體系統(tǒng)的研究成果.鑒于機(jī)器人足球的這些特點(diǎn),國際人工智能界選擇了機(jī)器人足球作為多主體系統(tǒng)研究的一個(gè)標(biāo)準(zhǔn)問題,在本文中,我們使用仿真機(jī)器人足球作為我們研究

2、的載體.首先,我們?cè)O(shè)計(jì)出了良好的仿真機(jī)器人(Agent)程序結(jié)構(gòu).在消化前人成果的同時(shí),對(duì)UvA Trilearn的同步機(jī)制作了修訂,對(duì)它的調(diào)試系統(tǒng)作了大量的修改,有效的提高了調(diào)試和開發(fā)效率.在Agent世界模型中,運(yùn)用了Kalman濾波對(duì)噪聲進(jìn)行了過濾,極大的提高了世界模型精度,給高質(zhì)量的底層動(dòng)作打下扎實(shí)的基礎(chǔ).在底層動(dòng)作的設(shè)計(jì)中,對(duì)分析法(幾何法)和基于人工神經(jīng)網(wǎng)絡(luò)經(jīng)驗(yàn)法作了深入分析,給出了典型算法.在系統(tǒng)決策中,比較了傳統(tǒng)的個(gè)人能

3、力層與陣型層實(shí)現(xiàn)方法后,引入了所有隊(duì)員可以同時(shí)學(xué)習(xí)的加強(qiáng)學(xué)習(xí)方法對(duì)動(dòng)作尋優(yōu).雖然加強(qiáng)學(xué)習(xí)在Soccer Server仿真環(huán)境下應(yīng)用有儲(chǔ)多限制,但這是對(duì)實(shí)現(xiàn)Agent智能行為的有益探索.對(duì)傳統(tǒng)的陣型層,提出了陣型、戰(zhàn)術(shù)庫,并可以靜態(tài)動(dòng)態(tài)的配置它們的方法.在對(duì)手建模中,創(chuàng)造性的提出了用非線性的人工神經(jīng)網(wǎng)絡(luò)來對(duì)對(duì)手的陣型與戰(zhàn)術(shù)做辨識(shí),這將極大的提高Agent的智能與球隊(duì)的比賽成績.最后為了避免重復(fù)的繁重的調(diào)試分析勞動(dòng),提出了用Matlab來對(duì)