| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| CONTENTS | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·RoboCup简介 | 第11-12页 |
| ·RoboCup研究现状 | 第12-14页 |
| ·本文的主要内容及安排 | 第14-16页 |
| 第二章 RoboCup 2D仿真比赛平台及Agent结构介绍 | 第16-26页 |
| ·RoboCup 2D足球仿真比赛平台介绍 | 第16-17页 |
| ·感知模型 | 第17-20页 |
| ·听觉感知模型 | 第17-18页 |
| ·视觉感知模型 | 第18-19页 |
| ·身体感知模型 | 第19-20页 |
| ·运动模型 | 第20-21页 |
| ·动作模型 | 第21-23页 |
| ·Agent结构的研究 | 第23-25页 |
| ·Agent的概念 | 第23页 |
| ·GDUT-TiJi球队整体结构 | 第23-24页 |
| ·GDUT-TiJi球队的Agent结构 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 Agent射门动作技能的研究 | 第26-46页 |
| ·综合评价法 | 第26-28页 |
| ·灰色综合评价法 | 第28-31页 |
| ·灰色关联度分析 | 第28-30页 |
| ·基于灰色关联度分析的评价法 | 第30-31页 |
| ·射门问题分析 | 第31-33页 |
| ·射门的判断 | 第32-33页 |
| ·射门最优路径的寻找 | 第33页 |
| ·因素的选择 | 第33页 |
| ·射门决策的研究 | 第33-45页 |
| ·射门的判定 | 第33-35页 |
| ·基于灰色关联度分析的评价法的射门路径评价器 | 第35-42页 |
| ·实验结果 | 第42-45页 |
| ·总结 | 第45-46页 |
| 第四章 Agent传球动作技能的研究 | 第46-65页 |
| ·机器学习 | 第46-48页 |
| ·机器学习的意义 | 第46-47页 |
| ·机器学习方法研究 | 第47-48页 |
| ·动态模糊逻辑(DFL) | 第48页 |
| ·Agent自主学习 | 第48-51页 |
| ·自主学习概述 | 第48-49页 |
| ·Agent学习问题描述 | 第49-50页 |
| ·Agent自主学习特点 | 第50-51页 |
| ·基于DFL的Agent自主学习 | 第51-60页 |
| ·基于DFL的Agent心智模型结构 | 第51-53页 |
| ·基于DFL的Agent自主学习模型(ALM) | 第53-60页 |
| ·实例分析 | 第60-62页 |
| ·传球实验 | 第62-64页 |
| ·小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表论文和获奖 | 第73-75页 |
| 致谢 | 第75页 |