| 第一章 引言 | 第1-12页 |
| 1．1 多Agent 系统 | 第6-8页 |
| 1．1．1 Agent 的概念 | 第6-7页 |
| 1．1．2 Agent 的认知模型 | 第7页 |
| 1．1．3 Agent 的体系结构 | 第7-8页 |
| 1．1．4 多Agent 系统及其应用 | 第8页 |
| 1．2 RoboCup 简介 | 第8-11页 |
| 1．2．1 什么是RoboCup | 第8-9页 |
| 1．2．2 为什么要研究RoboCup | 第9-10页 |
| 1．2．3 从多Agent 系统的角度看机器人足球赛 | 第10-11页 |
| 1．3 本文的工作 | 第11-12页 |
| 第二章 RoboCup 仿真平台与MAS | 第12-21页 |
| 2．1 引言 | 第12页 |
| 2．2 国际标准Soccer Server 的几个关键模型 | 第12-16页 |
| 2．2．1 感知器模型 | 第12-14页 |
| 2．2．1．1 视觉信息 | 第13-14页 |
| 2．2．1．2 听觉信息 | 第14页 |
| 2．2．1．3 球员本身的状态信息 | 第14页 |
| 2．2．2 对像移动模型 | 第14-15页 |
| 2．2．3 猛冲(dash)和体力(stamina)模型 | 第15页 |
| 2．2．4 通信模型 | 第15-16页 |
| 2．3 RoboCup 仿真平台的MAS 环境特点 | 第16-18页 |
| 2．3．1 动态实时性 | 第16页 |
| 2．3．2 环境信息获取的不完全性 | 第16-17页 |
| 2．3．3 可用资源的有限性 | 第17页 |
| 2．3．4 受限的通信带宽 | 第17页 |
| 2．3．5 感知信息的发送与动作执行的异步性 | 第17-18页 |
| 2．3．6 环境干扰 | 第18页 |
| 2．4 仿真足球赛的MAS | 第18-20页 |
| 2．4．1 UvA Trilearn | 第18页 |
| 2．4．2 CMU | 第18-19页 |
| 2．4．3 FC Portugal | 第19页 |
| 2．4．4 TsinghuAeolus | 第19-20页 |
| 2．4．5 Karlsruhe Brainstrormers | 第20页 |
| 2．5 小结 | 第20-21页 |
| 第三章 足球赛仿真系统MAS-Soccer | 第21-30页 |
| 3．1 引言 | 第21页 |
| 3．2 MAS-Soccer 的特点与功能 | 第21-22页 |
| 3．3 MAS-Soccer 仿真系统结构 | 第22-26页 |
| 3．3．1 整体架构 | 第22-24页 |
| 3．3．2 Agent 结构的改进 | 第24-26页 |
| 3．4 团队策略的形式化描述 | 第26-29页 |
| 3．5 小结 | 第29-30页 |
| 第四章 一种基于信息预测和肢体语言的通信模型 | 第30-36页 |
| 4．1 引言 | 第30页 |
| 4．2 信息预测 | 第30-31页 |
| 4．3 肢体语言 | 第31-32页 |
| 4．4 信息预测与肢体语言模型(CPBL)实验分析 | 第32-35页 |
| 4．5 小结 | 第35-36页 |
| 第五章 基于群体效用的角色交换策略 | 第36-50页 |
| 5．1 引言 | 第36-37页 |
| 5．2 Agent 效用的评估 | 第37-41页 |
| 5．2．1 Agent 的能力 | 第37-39页 |
| 5．2．2 角色重要度RoleImportance | 第39-40页 |
| 5．2．3 归一化 | 第40页 |
| 5．2．4 Agent 效用的计算 | 第40-41页 |
| 5．3 角色交换算法 | 第41-46页 |
| 5．3．1 相关概念 | 第41-42页 |
| 5．3．2 算法描述 | 第42-46页 |
| 5．3．2．1 算法思想 | 第42-43页 |
| 5．3．2．2 算法的伪码描述 | 第43-46页 |
| 5．4 实验分析 | 第46-49页 |
| 5．5 小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
