期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
C5.0算法在RoboCup传球训练中的应用研究 被引量:11
1
作者 张家旺 韩光胜 张伟 《计算机仿真》 CSCD 2006年第4期132-134,153,共4页
针对于RoboCup比赛中出现的传球精度不够准确的问题,通过对决策树学习方法的探讨,该文提出了一种用于Robo-Cup仿真球队中Agent学习传球技能的一种决策树方法。将C5.0即ID3的改进算法应用到Agent传球能力的训练中,它使得Agent能够根据场... 针对于RoboCup比赛中出现的传球精度不够准确的问题,通过对决策树学习方法的探讨,该文提出了一种用于Robo-Cup仿真球队中Agent学习传球技能的一种决策树方法。将C5.0即ID3的改进算法应用到Agent传球能力的训练中,它使得Agent能够根据场上的具体情况,把球成功传给队友。Agent在得到球的控制权之后,首先确定传球成功率最大的球员,然后并不直接执行传球的动作,而是调整Agent自身的准备动作以达到传球的最佳状态,最后进行传球的行为。仿真结果表明,该方法有效地提高了Agent的传球能力。 展开更多
关键词 决策树 机器人世界杯足球锦标赛 传球
下载PDF
Q学习算法在RoboCup带球中的应用 被引量:3
2
作者 张家旺 韩光胜 张伟 《系统仿真技术》 2005年第2期84-87,共4页
机器人世界杯足球锦标赛(RoboCup)是全球影响力最大的机器人足球比赛之一,而仿真组比赛是其重要的组成部分。鉴于带球技术在仿真组比赛中的重要性,我们将Q学习算法应用于带球技术训练中,使智能体本身具有学习和适应能力,能够自己从环境... 机器人世界杯足球锦标赛(RoboCup)是全球影响力最大的机器人足球比赛之一,而仿真组比赛是其重要的组成部分。鉴于带球技术在仿真组比赛中的重要性,我们将Q学习算法应用于带球技术训练中,使智能体本身具有学习和适应能力,能够自己从环境中获取知识。本文描述了应用Q学习算法在特定场景中进行1vs.1带球技术训练的方法和实验过程,并将训练方法应用于实际球队的训练之中进行了验证。 展开更多
关键词 强化学习 机器人世界杯足球锦标赛 带球
下载PDF
优势关系粗糙集在RoboCup中的决策分析 被引量:3
3
作者 李艳 杨习贝 杨静宇 《计算机科学》 CSCD 北大核心 2009年第4期232-234,242,共4页
截球能力是RoboCup(Robot World Cup)仿真比赛中个体智能体的核心技能之一。为提高截球的成功率,将解析法和经验法相结合,提出了一种基于优势关系粗糙集的截球策略。着重讨论了基于优势关系的知识约简和截球决策规则的提取,研究了RoboCu... 截球能力是RoboCup(Robot World Cup)仿真比赛中个体智能体的核心技能之一。为提高截球的成功率,将解析法和经验法相结合,提出了一种基于优势关系粗糙集的截球策略。着重讨论了基于优势关系的知识约简和截球决策规则的提取,研究了RoboCup运动模型中截球点的二分法求解。最后进行了仿真平台中的决策分析,验证了该策略的有效性。 展开更多
关键词 机器人世界杯足球锦标赛 粗糙集 优势关系 截球策略
下载PDF
机器人世界杯足球锦标赛大合照
4
作者 Wilie D.Jones PATRICK GOTTSCH(摄影) THOMAS REINHARDT(摄影) 《科技纵览》 2022年第10期14-15,共2页
如果你曾为奥林匹克运动会开幕式上各个国家和地区壮观的列队表演赞叹不已,那么图中的100多个Nao可编程教育机器人、2个Pepper人形辅助机器人以及其人类操作者也会同样让你惊叹。这张照片是在2022年曼谷机器人世界杯足球锦标赛上拍摄的... 如果你曾为奥林匹克运动会开幕式上各个国家和地区壮观的列队表演赞叹不已,那么图中的100多个Nao可编程教育机器人、2个Pepper人形辅助机器人以及其人类操作者也会同样让你惊叹。这张照片是在2022年曼谷机器人世界杯足球锦标赛上拍摄的。全球新冠疫情造成机器人世界杯足球锦标赛停办2年后,大赛组织者终于得以让来自全球的13支机器人队伍(其中3支队伍远程参赛)聚在一起参加这场机器人赛事。 展开更多
关键词 教育机器人 机器人世界杯足球锦标赛 奥林匹克运动会 辅助机器人 可编程
原文传递
多智能体的增强学习及其在RoboCup中的应用
5
作者 刘国栋 杨宝庆 《计算机工程与应用》 CSCD 北大核心 2008年第23期46-48,共3页
针对非确定马尔可夫环境下的多智能体系统,提出了多智能体Q学习模型和算法。算法中通过对联合动作的统计来学习其它智能体的行为策略,并利用智能体策略向量的全概率分布保证了对联合最优动作的选择。在实验中,成功实现了智能体的决策,... 针对非确定马尔可夫环境下的多智能体系统,提出了多智能体Q学习模型和算法。算法中通过对联合动作的统计来学习其它智能体的行为策略,并利用智能体策略向量的全概率分布保证了对联合最优动作的选择。在实验中,成功实现了智能体的决策,提高了AFU队的整体的对抗能力,证明了算法的有效性和可行性。 展开更多
关键词 多智能体 增强学习 机器人世界杯足球锦标赛
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部