| 第一章 绪论 | 第1-23页 |
| 1．1 研究背景及目的意义 | 第11-17页 |
| 1．1．1 多智能体系统的协作 | 第11-15页 |
| 1．1．2 足球机器人仿真系统 | 第15-16页 |
| 1．1．3 研究的目的及意义 | 第16-17页 |
| 1．2 国内外研究现状 | 第17-20页 |
| 1．2．1 理性智能体的BDI模型 | 第17-18页 |
| 1．2．2 规划协作模型 | 第18页 |
| 1．2．3 基于学习的自协调模型 | 第18-20页 |
| 1．3 主要研究内容与基本思想 | 第20-21页 |
| 1．4 论文构成 | 第21-23页 |
| 第二章 多智能体系统协作模型的总体框架 | 第23-37页 |
| 2．1 RoboCup仿真系统 | 第23-28页 |
| 2．1．1 仿真环境 | 第23-24页 |
| 2．1．2 设计难点 | 第24-25页 |
| 2．1．3 仿真球队的设计 | 第25-28页 |
| 2．2 RoboCup仿真系统的主要协作问题 | 第28-29页 |
| 2．3 实现多智能体协作的关键技术 | 第29-31页 |
| 2．4 多智能体系统协作模型的总体框架 | 第31-36页 |
| 2．5 小结 | 第36-37页 |
| 第三章 基于状态和合作意愿的规划协作 | 第37-52页 |
| 3．1 基于状态的规划协作模型 | 第37-40页 |
| 3．1．1 状态规划 | 第38页 |
| 3．1．2 协作模型 | 第38-39页 |
| 3．1．3 SBPC的三要素 | 第39-40页 |
| 3．2 SBPC模型在Robocup中的应用 | 第40-43页 |
| 3．3 基于合作意愿矩阵的规划协作策略 | 第43-49页 |
| 3．3．1 几种传球方法的比较 | 第44-46页 |
| 3．3．2 基于合作意愿矩阵的规划协作策略 | 第46-49页 |
| 3．4 规划协作策略在RoboCup中的应用 | 第49-51页 |
| 3．5 小结 | 第51-52页 |
| 第四章 基于阵形变换和亲密度的动态协作 | 第52-70页 |
| 4．1 角色和阵形 | 第52-56页 |
| 4．1．1 角色 | 第52-53页 |
| 4．1．2 阵形 | 第53-56页 |
| 4．2 基于阵形变换的动态防守协作模型 | 第56-61页 |
| 4．2．1 模型的结构 | 第56-59页 |
| 4．2．2 阵形变换模块 | 第59-60页 |
| 4．2．3 动态防守协作模型在RoboCup中的应用 | 第60-61页 |
| 4．3 亲密度模型的建立 | 第61-64页 |
| 4．3．1 足球比赛中防守战术分析 | 第61-63页 |
| 4．3．2 亲密度模型 | 第63-64页 |
| 4．4 亲密度模型在RoboCup动态防守协作中的应用 | 第64-68页 |
| 4．4．1 基于亲密度模型的人盯人动态防守协作策略 | 第64-65页 |
| 4．4．2 基于亲密度模型的区域动态防守协作策略 | 第65-68页 |
| 4．5 小结 | 第68-70页 |
| 第五章 多智能体协作策略的统计Q学习 | 第70-87页 |
| 5．1 多智能体增强学习 | 第70-72页 |
| 5．1．1 增强学习 | 第70-71页 |
| 5．1．2 多智能体增强学习 | 第71-72页 |
| 5．2 多智能体O学习 | 第72-74页 |
| 5．2．1 增强Q学习 | 第72-73页 |
| 5．2．2 多智能体Q学习模型 | 第73-74页 |
| 5．3 基于统计的多智能体Q学习 | 第74-82页 |
| 5．3．1 统计多智能体Q学习 | 第74-76页 |
| 5．3．2 统计多智能体Q学习算法 | 第76-77页 |
| 5．3．3 算法收敛性证明 | 第77-81页 |
| 5．3．4 算法有效性分析 | 第81-82页 |
| 5．4 RoboCup中协作策略的学习 | 第82-86页 |
| 5．4．1 防守协作策略的离线学习 | 第83-84页 |
| 5．4．2 算法性能分析 | 第84-86页 |
| 5．5 小结 | 第86-87页 |
| 第六章 基于预测的多智能体协作模型 | 第87-101页 |
| 6．1 基于行为预测的多智能体协作模型 | 第87-92页 |
| 6．1．1 智能体行为预测的方法 | 第87-89页 |
| 6．1．2 基于行为预测的协作模型 | 第89-90页 |
| 6．1．3 预测协作模型在RoboCup中的应用 | 第90-92页 |
| 6．2 基于预测的多智能体Q学习 | 第92-98页 |
| 6．2．1 预测Q学习的引入 | 第93-94页 |
| 6．2．2 多智能体预测Q学习模型 | 第94-97页 |
| 6．2．3 学习性能分析 | 第97-98页 |
| 6．3 高层协作策略的预测Q学习 | 第98-100页 |
| 6．3．1 前场对抗与协作策略的学习 | 第98-99页 |
| 6．3．2 算法性能分析 | 第99-100页 |
| 6．4 小结 | 第100-101页 |
| 第七章 结论与展望 | 第101-104页 |
| 7．1 结论 | 第101-103页 |
| 7．2 展望 | 第103-104页 |
| 参考文献 | 第104-113页 |
| 图索引 | 第113-114页 |
| 表索引 | 第114-115页 |
| 致谢 | 第115-116页 |
| 攻读学位期间主要的研究成果目录 | 第116页 |
