摘要 | 第1-4页 |
Abstract | 第4-8页 |
第一章 引言 | 第8-13页 |
·RoboCup的起源 | 第8-9页 |
·国内外RoboCup仿真组相关工作 | 第9-10页 |
·机器人足球的研究意义 | 第10-11页 |
·论文的组织 | 第11-13页 |
第二章 Agent的理论基础 | 第13-22页 |
·Agent概念 | 第13-15页 |
·Agent的特点和种类 | 第15-18页 |
·多Agent通信 | 第18-20页 |
·通信方式 | 第18-19页 |
·通信语言 | 第19-20页 |
·小结 | 第20-22页 |
第三章 机器学习 | 第22-31页 |
·机器学习 | 第22-25页 |
·机器学习的定义 | 第22页 |
·机器学习系统的基本结构 | 第22-25页 |
·机器学习的主要策略及方法 | 第25-29页 |
·概念学习 | 第26页 |
·决策树学习 | 第26-27页 |
·人工神经网络 | 第27页 |
·贝叶斯学习 | 第27页 |
·基于案例的学习 | 第27-28页 |
·遗传算法 | 第28页 |
·规则学习 | 第28页 |
·分析学习 | 第28-29页 |
·强化学习 | 第29页 |
·小结 | 第29-31页 |
第四章 RoboCup仿真环境 | 第31-50页 |
·主要组成 | 第31-32页 |
·SoccerServer | 第31-32页 |
·Monitor | 第32页 |
·Logplayer | 第32页 |
·比赛规则 | 第32-35页 |
·自动裁判员的执法规则 | 第32-34页 |
·开球 | 第32-33页 |
·进球 | 第33页 |
·出界 | 第33页 |
·清场 | 第33页 |
·比赛模式控制 | 第33-34页 |
·中场时间和终场时间 | 第34页 |
·真人裁判员的执法规则 | 第34-35页 |
·仿真环境模型 | 第35-49页 |
·感知模型 | 第35-41页 |
·视觉模型 | 第35-37页 |
·视觉模式与视野 | 第37-39页 |
·视觉感知噪声模型 | 第39页 |
·Sense Body信息 | 第39-40页 |
·听觉信息 | 第40页 |
·听觉信息 | 第40-41页 |
·动作模型 | 第41-47页 |
·Catch抓球模型 | 第41-42页 |
·Dash模型 | 第42-43页 |
·体力模型 | 第43-44页 |
·Kick | 第44-46页 |
·Turn | 第46页 |
·Turn Neck | 第46-47页 |
·Say | 第47页 |
·Move | 第47页 |
·异构球员 | 第47-48页 |
·Coach与队员的通讯 | 第48-49页 |
·小结 | 第49-50页 |
第五章 RoboCup中的Agent的结构与技术 | 第50-66页 |
·Agent的结构 | 第50-54页 |
·慎思结构 | 第50-51页 |
·反应结构 | 第51-52页 |
·混合结构 | 第52-54页 |
·Agent的技术 | 第54-65页 |
·决策树学习 | 第54-55页 |
·遗传算法学习 | 第55-57页 |
·贝叶斯网络(Bayesian Networks) | 第57-58页 |
·增强学习 | 第58-59页 |
·Q学习 | 第59-60页 |
·Fuzzy Q学习 | 第60-65页 |
·Fuzzyif-then规则 | 第60页 |
·动作选择 | 第60-61页 |
·更新Fuzzy if-then规则 | 第61页 |
·仿真实验 | 第61-65页 |
·小结 | 第65-66页 |
第六章 RoboCup中Multi-Agent团队合作策略 | 第66-76页 |
·MAS决策在RoboCup中的应用 | 第66页 |
·RoboCup球队策略综述 | 第66-68页 |
·基于场上形势的战术跑位(SBSP) | 第68-69页 |
·角色 | 第69-72页 |
·角色的转换 | 第69-71页 |
·基于角色的策略 | 第71-72页 |
·Agent的协作模型 | 第72-75页 |
·全局层设计 | 第73-74页 |
·静态阵形 | 第73页 |
·动态阵形 | 第73-74页 |
·局部层设计 | 第74页 |
·个体行为层 | 第74-75页 |
·小结 | 第75-76页 |
第七章 总结和展望 | 第76-78页 |
参考文献 | 第78-82页 |
插图目录 | 第82-83页 |
致谢 | 第83-84页 |
攻读硕士学位期间发表的学术论文 | 第84页 |