期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
多智能体团队合作在机器人足球赛中的应用 被引量:8
1
作者 张颖霞 杨宜民 +1 位作者 陈波 岑汉彬 《微机发展》 2004年第7期112-114,共3页
Robocup机器人足球比赛是近年来人工智能和机器人学迅速发展的一个重要的研究领域,通过这个平台,可以来评价各种理论和算法。但由于机器人足球比赛系统固有的动态性、不确定性及实时性,这就要求整个智能体团队的合作结构能够应付这种复... Robocup机器人足球比赛是近年来人工智能和机器人学迅速发展的一个重要的研究领域,通过这个平台,可以来评价各种理论和算法。但由于机器人足球比赛系统固有的动态性、不确定性及实时性,这就要求整个智能体团队的合作结构能够应付这种复杂环境。针对这点,文中探讨了一种基于阵型和角色的方法来实现多智能体的团队合作,通过应用到客户端程序上所取得的良好效果,证明此方法对于多智能体的团队合作是有效的。 展开更多
关键词 多智能体团队合作 机器人足球赛 人工智能 AGENT robocup仿真比赛 角色选择
下载PDF
RoboCup仿真比赛中的Multi-Agent层次协作模型 被引量:2
2
作者 赖旭芝 仵博 曹卫华 《计算技术与自动化》 2003年第4期59-62,74,共5页
本文针对RoboCup仿真比赛的多智能体协作问题,分析了目前在RoboCup中的几个典型多智能体协作模型,提出一种三层的Multi-Agent层次协作模型,它包括全局层、局部层和个体层。实战证明该模型是合理的、有效的。
关键词 智能机器人 层次协作模型 多智能体 MULTI-AGENT robocup仿真比赛
下载PDF
基于CMAC网络Sarsa(λ)学习的RoboCup守门员策略
3
作者 刘云龙 吉国力 《北京工业大学学报》 EI CAS CSCD 北大核心 2012年第9期1348-1352,共5页
针对RoboCup仿真组足球比赛场上状态复杂多变、同时供决策的信息大多为连续变量、智能体利用现有信息通常无法判断当前状态下最优动作的问题,以守门员为例,首先利用CMAC神经网络对连续状态空间泛化,然后在泛化后的状态上,采用Sarsa(λ)... 针对RoboCup仿真组足球比赛场上状态复杂多变、同时供决策的信息大多为连续变量、智能体利用现有信息通常无法判断当前状态下最优动作的问题,以守门员为例,首先利用CMAC神经网络对连续状态空间泛化,然后在泛化后的状态上,采用Sarsa(λ)学习算法获取守门员的最优策略.通过在RoboCup仿真平台上进行仿真,实验结果表明,采用基于CMAC的Sarsa(λ)学习算法的守门员,经过一定时间的学习后,防守时间显著增长,防守效果明显优于其他算法,验证了本文所提方案的有效性. 展开更多
关键词 robocup仿真组足球比赛 CMAC神经网络 泛化 Sarsa(λ)学习算法 最优策略
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部