基于多智能体强化学习的足球机器人决策系统研究与设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题的研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状分析 | 第11-13页 |
| 1.4 本文主要研究工作 | 第13-14页 |
| 1.5 本文的结构 | 第14-16页 |
| 第2章 多智能体强化学习模型及算法 | 第16-26页 |
| 2.1 强化学习模型 | 第16-19页 |
| 2.1.1 马尔可夫决策模型 | 第16-18页 |
| 2.1.2 回报函数与策略求解 | 第18-19页 |
| 2.2 强化学习主要算法 | 第19-22页 |
| 2.2.1 TD 学习算法 | 第19-20页 |
| 2.2.2 Q 学习算法 | 第20-22页 |
| 2.3 多智能体强化学习 | 第22-25页 |
| 2.3.1 多智能体系统特点 | 第22-23页 |
| 2.3.2 多智能体强化学习方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于 Q 学习的足球机器人决策系统 | 第26-42页 |
| 3.1 Q 学习方法调整 | 第26-30页 |
| 3.1.1 基于 CMAC 网络的 Q 学习泛化 | 第26-28页 |
| 3.1.2 基于模拟退火的搜索策略 | 第28-30页 |
| 3.2 基于 MAXQ 分层学习的模型与算法 | 第30-37页 |
| 3.2.1 分层学习结构 | 第30-31页 |
| 3.2.2 MAXQ 分层学习算法优化 | 第31-37页 |
| 3.3 基于 MAXQ 的足球机器人研究 | 第37-41页 |
| 3.3.1 实验平台简介及分析 | 第37-38页 |
| 3.3.2 球员任务划分 | 第38-40页 |
| 3.3.3 球员强化学习过程示例 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 足球机器人决策系统设计及实验分析 | 第42-55页 |
| 4.1 球队设计 | 第42-44页 |
| 4.1.1 球队模型 | 第42-43页 |
| 4.1.2 动态场区评价模型 | 第43-44页 |
| 4.2 球员协作进攻决策的设计 | 第44-50页 |
| 4.2.1 节点动作模块 | 第45页 |
| 4.2.2 协作动作模块 | 第45-46页 |
| 4.2.3 联合树搜索过程 | 第46-47页 |
| 4.2.4 估值算法 | 第47-50页 |
| 4.3 实验结果分析 | 第50-54页 |
| 4.3.1 学习算法比较 | 第50-51页 |
| 4.3.2 球队比赛分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
