| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·机器人足球概况 | 第12-13页 |
| ·RoboCup2D比赛的带球技术研究现状 | 第13-14页 |
| ·机器人路径规划国内外研究现状 | 第14-16页 |
| ·全局路径规划 | 第14-15页 |
| ·局部路径规划 | 第15-16页 |
| ·本文主要工作 | 第16-18页 |
| 第二章 RoboCup2D仿真系统 | 第18-27页 |
| ·RoboCup仿真2D平台简介 | 第18-22页 |
| ·比赛服务器 | 第19-20页 |
| ·球员客户端 | 第20-22页 |
| ·Agent个人技术 | 第22-23页 |
| ·Agent的个人技术动作设计方法 | 第22-23页 |
| ·Agent个人技术决策 | 第23页 |
| ·RoboCup2D系统中Agent的底层动作 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 Agent带球动作模型 | 第27-39页 |
| ·CMUnited带球模型 | 第27-28页 |
| ·多周期带球模型 | 第28-32页 |
| ·连续控球的带球模型 | 第28-30页 |
| ·非连续控球的带球模型 | 第30-32页 |
| ·两种带球模型比较 | 第32页 |
| ·HfutEngine2D中的原带球模型 | 第32-33页 |
| ·基于Q 学习的带球模型 | 第33-38页 |
| ·强化学习算法 | 第33-34页 |
| ·Q学习算法 | 第34-35页 |
| ·Q学习在RoboCup2D带球动作中的应用 | 第35-38页 |
| ·状态描述集和可选动作集 | 第35页 |
| ·对状态集和动作集的离散和简化 | 第35-36页 |
| ·确定回报 | 第36页 |
| ·实验结果 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 改进人工势场法在RoboCup2D带球路径中的应用 | 第39-51页 |
| ·传统人工势场法 | 第39-41页 |
| ·传统人工势场法原理 | 第39-40页 |
| ·传统人工势场法存在的问题 | 第40-41页 |
| ·改进人工势场法 | 第41-45页 |
| ·基于速度矢量的人工势场法 | 第41-42页 |
| ·基于速度矢量的人工势场法存在的问题 | 第42页 |
| ·基于威胁系数的人工势场法 | 第42-45页 |
| ·局部最小点消除 | 第45-47页 |
| ·威胁系数人工势场法在RoboCup2D带球路径规划中的应用 | 第47-50页 |
| ·确定带球目标点 | 第47-48页 |
| ·基于威胁系数的人工势场法在Agent带球路径中的应用 | 第48-49页 |
| ·实验结果与算法比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·未来工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| Robo Cup2D近三年历史成绩 | 第57-58页 |
