Multi-Agent协作模型及其在RoboCup中的应用

发布时间：2017-08-22 04:07

  本文关键词：Multi-Agent协作模型及其在RoboCup中的应用

  更多相关文章： 机器人足球世界杯 决策算法 多智能体系统 分布式人工智能 智能体 多智能体协作模型 智能体的体系结构 自信度

【摘要】：机器人足球世界杯以多智能体系统和分布式人工智能为主要研究背景。其主要目的是通过提供一个标准的比赛平台，促进机器人学和人工智能的研究与发展。为了能让一个机器人球队真正能够进行足球比赛，必须集成各种各样的技术，包括自治智能体的设计准则、多智能体合作、策略获取、实时推理、机器人学以及传感器信息融合等。 本论文以仿真机器人足球比赛中的多个智能体为研究对象，，对多智能体系统中的多个智能体之间的协作问题进行了分析和研究。 在智能体的体系结构方面，为了使智能体既具有反应性又具有慎思性，本文采用基于行为的双层动态智能体结构：第一层为基本行为层，这层的目的是提高智能体的反应性：第二层为高级行为层，这层的目的是提高智能体的智能性。连接基本行为层和高级行为层的桥梁是自信度。 在智能体的决策算法方面，本文提出了一种新颖的基于行为的多智能体决策算法来提高智能体的灵敏性和智能性，该算法分为个体决策和团队决策，个体决策是让智能体完成比较简单的任务，满足智能体对实时性的要求：团队决策则可用来完成比较复杂的任务。 在多智能体协作模型方面，为了让多个智能体能够协同工作来完成复杂的任务，本文提出多智能体层次协作模型，它包括全局层、局部层和个体层。全局层管理场上的所有队员，并根据对手建模和场上状态来选择合适的静态阵形和动态阵形，提高了智能体的可适应性；局部层包含3-5个智能体，根据阵形本文将一队智能体分为进攻、防守和中间等三个局部层，降低了智能体之间协作的难度：个体层管理智能体的行为，这些行为包括清理球、射门、拦截、传球、盘带、到定点、盯人、面向球等。 基于本文思想构建的中南大学云麓队在2002年中国机器人比赛仿真组中获得第三名，真实比赛的结果验证了以上研究的有效性。
【关键词】：机器人足球世界杯 决策算法 多智能体系统 分布式人工智能 智能体 多智能体协作模型 智能体的体系结构 自信度
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：TP242
【目录】：

• 第1章 绪论6-9
• 1.1 研究背景6-7
• 1.2 课题研究目的意义及目的7-8
• 1.3 论文内容及组成8-9
• 第2章 RoboCup仿真足球机器人系统9-21
• 2.1 仿真器10-11
• 2.2 仿真模型11-13
• 2.2.1 场地和对象模型11
• 2.2.2 对象的运动模型11-12
• 2.2.3 干扰模型12-13
• 2.2.4 体力模型13
• 2.3 感知信息13-17
• 2.3.1 听觉信息14
• 2.3.2 视觉信息14-17
• 2.3.3 身体信息17
• 2.4 动作模型17-19
• 2.4.1 turn18
• 2.4.2 dash18
• 2.4.3 kick18
• 2.4.4 catch18-19
• 2.5 Agent与Server的数据接口19-20
• 2.6 小结20-21
• 第3章 基于行为的双层动态智能体结构21-31
• 3.1 RoboCup中几种常见的智能体结构21-24
• 3.1.1 基于行为的结构22-23
• 3.1.2 BDI结构23
• 3.1.3 层次结构23-24
• 3.1.4 各种结构的优缺点24
• 3.2 基于行为的双层动态智能体结构24-29
• 3.2.1 自信度26
• 3.2.2 基本行为层26-27
• 3.2.3 高级行为层27-29
• 3.3 实验和结论29-31
• 第4章 基于行为的Multi-Agent决策模型31-40
• 4.1 决策系统的设计理念和框架31-32
• 4.2 一种新颖的基于行为的决策算法32-38
• 4.2.1 个体决策34
• 4.2.2 团队决策34-35
• 4.2.3 决策树35-37
• 4.2.4 决策算法在RoboCup中的应用37-38
• 4.3 实验和结论38-40
• 第5章 Multi-Agent层次协作模型40-60
• 5.1 RoboCup中几种典型的多智能体协作模型41-44
• 5.1.1 CMUnited队的协作模型41-42
• 5.1.2 FCPortugal队的协作模型42-43
• 5.1.3 TsinghuAeolus队的协作模型43
• 5.1.4 各种模型的优缺点43-44
• 5.2 Multi-Agent层次协作模型44-58
• 5.2.1 全局层44-47
• 5.2.2 局部层47-51
• 5.2.3 个体层51-58
• 5.3 实验和结论58-60
• 第6章 结论与展望60-62
• 6.1 结论60
• 6.2 展望60-62
• 参考文献62-65
• 致谢65

本文编号：716941