| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 机器人足球与人工智能 | 第7页 |
| 1.2 Robocup的发展历程 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.4 论文的主要工作及章节安排 | 第10-11页 |
| 第二章 Robocup2D仿真平台 | 第11-18页 |
| 2.1 平台结构 | 第11-12页 |
| 2.2 比赛基本流程 | 第12-13页 |
| 2.3 智能体模型 | 第13-16页 |
| 2.3.1 对象的运动模型 | 第13页 |
| 2.3.2 球员的听觉感知模型 | 第13-14页 |
| 2.3.3 球员的视觉感知模型 | 第14-16页 |
| 2.4 阵型与跑位的概念 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 基于蒙特卡洛树搜索的防守动作选择 | 第18-32页 |
| 3.1 前期完成工作 | 第18-20页 |
| 3.2 蒙特卡洛树模型 | 第20-22页 |
| 3.2.1 蒙特卡洛树搜索 | 第20页 |
| 3.2.2 仿真足球的蒙特卡洛树的构造 | 第20-22页 |
| 3.3 动作选择策略 | 第22-25页 |
| 3.3.1 区域划分 | 第22-23页 |
| 3.3.2 基于Q学习的区域动作评估 | 第23-24页 |
| 3.3.3 基于UCT算法的动作评估 | 第24-25页 |
| 3.4 动作训练 | 第25-26页 |
| 3.5 实验应用 | 第26-27页 |
| 3.6 实验分析 | 第27-31页 |
| 3.7 本章小结 | 第31-32页 |
| 第四章 基于时间最小化角色分配算法的球员跑位 | 第32-54页 |
| 4.1 智能体的角色分配 | 第32-34页 |
| 4.2 SCRAM算法 | 第34-43页 |
| 4.2.1 最小化最大距离的递归函数 | 第34-37页 |
| 4.2.2 时间复杂度为O（n~5）的MMDR方法 | 第37-38页 |
| 4.2.3 时间复杂度为O（n~4）的MMDR方法 | 第38-40页 |
| 4.2.4 MMDR下的完美匹配算法 | 第40-42页 |
| 4.2.5 总距离平方值最小化算法 | 第42-43页 |
| 4.3 SCRAM算法的比较分析 | 第43-47页 |
| 4.4 SCRAM算法在 2D平台中的应用 | 第47-52页 |
| 4.5 比赛结果分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2攻读硕士学位期间参加比赛所获荣誉 | 第59-60页 |
| 致谢 | 第60页 |