基于神经网络的阵型策略在线学习研究及应用-计算机应用技术专业论文.docx

万方数据 万方数据 独 创 性 说 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的 研究工作及取得研究成果。尽我所知，除了文中特别加以标注和 致谢的地方外，论文中不包含其他人已经发表或撰写的研究成 果，也不包含为获得安徽工业大学或其他教育机构的学位或证书 所使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中做了明确的说明并表示了谢意。 签名 日期： 关于论文使用授权的说明 本人完全了解安徽工业大学有关保留、使用学位论文的规 定，即：学校有权保留送交论文的复印件，允许论文被查阅和借 阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印 或其他复制手段保存论文,保密的论文在解密后应遵循此规定。 签名 导师签名 日期： 基于神经网络的阵型策略在线学习研究及应用 摘要 RoboCup 仿真 2D 比赛过程需要球队间的整体高效的合作及多个智能体之间 默契配合，如阵型策略的调节，才能赢得比赛胜利。但由于通讯的限制，智能体 很难在动态实时的比赛环境中得到足够多的队友合作信息。若是可以获得更多的 对手信息，智能体就能做出相对正确的决策，最终达到射门得分的目标。因此研 究学习不可预测的对手信息，如球员异构，阵型策略跑位等是迫切需要的。目前， 如何提高智能体的学习能力、对手建模能力以及多智能体的合作能力已成为 RoboCup 领域的研究热点。近年来随着计算机技术、分布式人工智能技术和多智 能体系统的快速发展，RoboCup 仿真 2D 的竞赛水平也有了较大的提高。 论文首先讨论了阵型策略的发展过程及其研究意义。随后系统的描述了 RoboCup 的系统结构及工作原理，并就国内外几支知名球队探讨了 RoboCup 仿 真 2D 的研究现状和发展趋势。 在分析 agent2d 阵型策略的设计思想及实现过程的基础上，提出了利用 Delaunay 三角剖分的方法分析阵型中的战术策略。 研究了在线教练的工作流程及利用其规则在线完成对手建模等问题。在充分 研究神经网络的基础上提出了基于神经网络，利用在线教练为对手的阵型跑位点 建立网络模型，详细介绍了此方法的思想，分析了方法的预测准确性、时间复杂 度以及相关参数的影响。利用在比赛中收集真实数据的实验表明该方法具有较高 的预测准确度。 关键词：RoboCup 仿真 2D；神经网络；在线学习；阵型策略；在线教练 Formation Strategy Online Learning Research and Application Based on Neural Network Abstract During the RoboCup simulation competition，effective cooperation and perfect teamwork spirit is necessary，such as formation strategy. It is difficult for agents to get more information about teammate cooperation in the limiting communication environment.If agent can get some information from the opponent agents,agents can make the relatively correct decisions.So it is urgent need to research on learning unpredictable opponent information,such as role,heterogeneous player,formation strategy,etc.At present, the research hot focus on how to improve the abilities of robots’ learning and multi-agent cooperation, the opponents’ modeling capability is attractive as well.With the rapid development of computer technology,distributed artificial intelligence technology and multi-agent systems,the competition level of RoboCup2D has been greatly improved. The dissertation analyzes the development procedure