Multi-Agent研究与应用-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

Multi-Agent研究与应用

作者：余斌 Publish: 2006-11-10 Hits:-

【中文题名】

Multi-Agent研究与应用

【英文题名】

Multi-Agent Research & Application

【学科专业】

计算机应用技术

【论文级别】

硕士论文

【投稿时间】

2006-11-10

【中关键词】

Agent,Multi-Agent系统,RoboCup,机器学习,,

【英关键词】

Agent,Multi-Agent Systems,RoboCup,Machine Learning,

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>>

【论文摘要】

本文研究Multi-Agent系统，众所周知，Multi-Agent系统及分布式人工智能已经成为当今人工智能领域研究的重点。Muli-Agent的基本问题是智能体之间的协调，可细分为单智能体设计、多智能体体系结构、多智能合作和通讯、自动推理、规划、机器学习与知识获取、认识建模、系统生态和进化等一系列专题，上述一系列问题中的大多数都在RoboCup中得到了集中的体现。 RoboCup是Multi-Agent系统的一个典型代表，它是国际上一项为提高相关领域的教育和研究水平而举行的大型比赛和学术活动，通过提供一个标准任务来促进分布式人工智能、智能机器人技术、及其相关领域的研究与发展。RoboCup是Multi-Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是Multi-Agent系统研究的重要课题。我们通过RoboCup平台，对Multi-Agent的知识领域做了一定的研究与实践，具体包括：在球队的技术上，结合UVA的底层技术，对一些中层及高层技术进行了扩充...

【论文题纲】

摘要	3-4
Abstract	4-8
第一章引言	8-13
1.1 RoboCup的起源	8-9
1.2 国内外RoboCup仿真组相关工作	9-10
1.3 机器人足球的研究意义	10-11
1.4 论文的组织	11-13
第二章 Agent的理论基础	13-22
2.1 Agent概念	13-15
2.2 Agent的特点和种类	15-18
2.3 多Agent通信	18-20
2.3.1 通信方式	18-19
2.3.2 通信语言	19-20
2.4 小结	20-22
第三章机器学习	22-31
3.1 机器学习	22-25
3.1.1 机器学习的定义	22
3.1.2 机器学习系统的基本结构	22-25
3.2 机器学习的主要策略及方法	25-29
3.2.1 概念学习	26
3.2.2 决策树学习	26-27
3.2.3 人工神经网络	27
3.2.4 贝叶斯学习	27
3.2.5 基于案例的学习	27-28
3.2.6 遗传算法	28
3.2.7 规则学习	28
3.2.8 分析学习	28-29
3.2.9 强化学习	29
3.3 小结	29-31
第四章 RoboCup仿真环境	31-50
4.1 主要组成	31-32
4.1.1 SoccerServer	31-32
4.1.2 Monitor	32
4.1.3 Logplayer	32
4.2 比赛规则	32-35
4.2.1 自动裁判员的执法规则	32-34
4.2.1.1 开球	32-33
4.2.1.2 进球	33
4.2.1.3 出界	33
4.2.1.4 清场	33
4.2.1.5 比赛模式控制	33-34
4.2.1.6 中场时间和终场时间	34
4.2.2 真人裁判员的执法规则	34-35
4.3 仿真环境模型	35-49
4.3.1 感知模型	35-41
4.3.1.1 视觉模型	35-37
4.3.1.2 视觉模式与视野	37-39
4.3.1.3 视觉感知噪声模型	39
4.3.1.4 Sense Body信息	39-40
4.3.1.5 听觉信息	40
4.3.1.6 听觉信息	40-41
4.3.2 动作模型	41-47
4.3.2.1 Catch抓球模型	41-42
4.3.2.2 Dash模型	42-43
4.3.2.3 体力模型	43-44
4.3.2.4 Kick	44-46
4.3.2.5 Turn	46
4.3.2.6 Turn Neck	46-47
4.3.2.7 Say	47
4.3.2.8 Move	47
4.3.3 异构球员	47-48
4.3.4 Coach与队员的通讯	48-49
4.4 小结	49-50
第五章 RoboCup中的Agent的结构与技术	50-66
5.1 Agent的结构	50-54
5.1.1 慎思结构	50-51
5.1.2 反应结构	51-52
5.1.3 混合结构	52-54
5.2 Agent的技术	54-65
5.2.1 决策树学习	54-55
5.2.2 遗传算法学习	55-57
5.2.3 贝叶斯网络(Bayesian Networks)	57-58
5.2.4 增强学习	58-59
5.2.5 Q学习	59-60
5.2.6 Fuzzy Q学习	60-65
5.2.6.1 Fuzzyif-then规则	60
5.2.6.2 动作选择	60-61
5.2.6.3 更新Fuzzy if-then规则	61
5.2.6.4 仿真实验	61-65
5.3 小结	65-66
第六章 RoboCup中Multi-Agent团队合作策略	66-76
6.1 MAS决策在RoboCup中的应用	66
6.2 RoboCup球队策略综述	66-68
6.3 基于场上形势的战术跑位(SBSP)	68-69
6.4 角色	69-72
6.4.1 角色的转换	69-71
6.4.2 基于角色的策略	71-72
6.5 Agent的协作模型	72-75
6.5.1 全局层设计	73-74
6.5.1.1 静态阵形	73
6.5.1.2 动态阵形	73-74
6.5.2 局部层设计	74
6.5.3 个体行为层	74-75
6.6 小结	75-76
第七章总结和展望	76-78
参考文献	78-82
插图目录	82-83
致谢	83-84
攻读硕士学位期间发表的学术论文	84

【DOI】

LunWen.ID:2.2008.388137



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：Agent 论文 Multi-Agent系统 RoboCup 机器学习

自动化基础最新论文

自动化基础热门论文