多智能體的協(xié)作與規(guī)劃研究及其在RoboCup中的應(yīng)用.pdf

1、近年來，有關(guān)Multi-agent系統(tǒng)(MAS)與分布式人工智能(DAI)的研究，已經(jīng)成為人工智能領(lǐng)域的重要研究方向之一。而RoboCup則是以MAS和分布式人工智能為主要研究背景，其使命就是促進(jìn)分布式人工智能與智能機(jī)器人技術(shù)的研究與教育。該研究方向要求在一個實(shí)時動態(tài)變化的和不可預(yù)測的環(huán)境中，擁有自主能力的Agent，作為團(tuán)隊(duì)的一部分，能自動地進(jìn)行有效的動作，完成整個隊(duì)伍的目標(biāo)。 本文以RoboCup仿真比賽為檢驗(yàn)平臺，以多智能

2、體系統(tǒng)為研究對象，主要進(jìn)行了以下工作： 首先，選擇智能體間協(xié)作作為目標(biāo)任務(wù)，在對已有的協(xié)作策略進(jìn)行研究的基礎(chǔ)上，分別從靜態(tài)和動態(tài)出發(fā)，研究了基于靜態(tài)陣形和動態(tài)陣形的陣形變化策略，有效的增強(qiáng)了球隊(duì)的整體實(shí)力；并且還采用了基于合作意愿矩陣的規(guī)劃協(xié)作策略，很好的改善了球隊(duì)整體協(xié)作進(jìn)攻能力。 其次，由于Q學(xué)習(xí)不能適用于連續(xù)狀態(tài)空間和動作空間的學(xué)習(xí)，隨著狀態(tài)空間的增大，Q值在內(nèi)存中的存儲以及查詢變得困難，會導(dǎo)致維數(shù)災(zāi)難，且傳統(tǒng)的強(qiáng)

3、化學(xué)習(xí)不具有泛化能力，這些缺點(diǎn)限制了它在復(fù)雜多變的環(huán)境中的應(yīng)用。為了解決這些存在的問題，采用模糊Q學(xué)習(xí)算法以及基于信度分配模糊CMAC(CA-FCMAC)的Q學(xué)習(xí)算法，并將算法用于RoboCup仿真比賽中，通過實(shí)驗(yàn)證明改進(jìn)后算法有效的優(yōu)化了Agent個體技術(shù)。 最后，在MAS中，由于外部環(huán)境提供信息較少，強(qiáng)化學(xué)習(xí)的學(xué)習(xí)效率通常較低。采用具有先驗(yàn)知識的算法來優(yōu)化學(xué)習(xí)狀態(tài)，提高學(xué)習(xí)效率。并結(jié)合心理學(xué)中的內(nèi)在激勵思想，提出基于先驗(yàn)知識