影响图及其在Robocup中的应用

影响图是决策问题的图形表示。它被认为是对动态贝叶斯网络的扩展,是在贝叶斯网络的基础上增加了决策结点和效用结点。探讨影响图在Robocup中的应用,用分层影响图表示了截球问题的模型,并给出一种实现行为动态调整的算法。仿真结果表明该算法可行的。

优势关系粗糙集在RoboCup中的决策分析

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。

多智能体的增强学习及其在RoboCup中的应用

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。

基于影响图的Agent建模及其在Robocup中的应用

讨论了用影响图对多Agents环境建模的方法。Robocup是一个典型的多Agents系统 ,其中的球和球员都可以看作是Agent。以Robocup仿真比赛为例 ,给出单Agent和多Agents模型 。