智能Agent的研究与实践--仿真机器人足球设计
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 表格目录 | 第5-6页 |
| 插图目录 | 第6-7页 |
| 代码目录 | 第7-8页 |
| 目录 | 第8-12页 |
| 第一章 绪论 | 第12-19页 |
| ·智能Agent和多Agent系统 | 第12-13页 |
| ·智能Agent | 第12-13页 |
| ·多Agent系统 | 第13页 |
| ·机器人足球比赛 | 第13-16页 |
| ·RoboCup的起源 | 第14-15页 |
| ·RoboCup的发展 | 第15-16页 |
| ·机器人足球的研究意义 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 SoccerServer仿真环境 | 第19-31页 |
| ·RoboCup仿真比赛环境 | 第19-20页 |
| ·SoccerServer仿真模型 | 第20-29页 |
| ·场地和球员 | 第20-21页 |
| ·环境干扰 | 第21-22页 |
| ·球员的体力模型 | 第22-23页 |
| ·球员的感知模型 | 第23-27页 |
| ·异构球员 | 第27-28页 |
| ·教练模型 | 第28-29页 |
| ·SoccerServer仿真环境的特点 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 智能Agent结构 | 第31-41页 |
| ·慎思结构 | 第31-33页 |
| ·反应结构 | 第33-34页 |
| ·混合结构 | 第34-35页 |
| ·一种适用于RoboCup的Agent结构 | 第35-40页 |
| ·四层混合式Agent结构 | 第35页 |
| ·接口层 | 第35-37页 |
| ·解析层 | 第37页 |
| ·决策层 | 第37-40页 |
| ·规划层 | 第40页 |
| ·小结 | 第40-41页 |
| 第四章 Agent个人技能的学习 | 第41-56页 |
| ·个人技能 | 第41页 |
| ·技能的离线学习 | 第41-49页 |
| ·决策树学习 | 第41-43页 |
| ·决策树学习在RoboCup离线学习中的应用 | 第43-49页 |
| ·技能的在线学习 | 第49-55页 |
| ·增强学习 | 第50-52页 |
| ·Q学习在RoboCup在线学习中的应用 | 第52-55页 |
| ·小结 | 第55-56页 |
| 第五章 多Agent间的协作 | 第56-69页 |
| ·整体协作 | 第56-58页 |
| ·角色与阵型 | 第56-58页 |
| ·球员的站位 | 第58页 |
| ·局部协作 | 第58-68页 |
| ·战术的描述 | 第59-62页 |
| ·基于战术的局部协作 | 第62-63页 |
| ·协作的建立和结束 | 第63-65页 |
| ·协作的执行 | 第65-67页 |
| ·一次典型的局部协作 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第六章 球队的策略 | 第69-82页 |
| ·异构球员的选取策略 | 第69-76页 |
| ·异构球员 | 第69-71页 |
| ·UvA的异构球员选取方法 | 第71-73页 |
| ·层次分析法 | 第73-74页 |
| ·使用AHP选取异构球员 | 第74-75页 |
| ·实验 | 第75-76页 |
| ·球员体力的管理策略 | 第76-77页 |
| ·球员的行为策略 | 第77-81页 |
| ·整体决策 | 第78-79页 |
| ·局部决策 | 第79-80页 |
| ·个体决策 | 第80-81页 |
| ·小结 | 第81-82页 |
| 第七章 实战比赛 | 第82-85页 |
| ·实战比赛 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第八章 结论与展望 | 第85-87页 |
| 硕士期间主要的科研工作 | 第87-89页 |
| 1 发表的学术论文 | 第87-88页 |
| 2 其他工作 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
