摘要:RoboCup是全球影响力最大的机器人足球比赛,是机器人学和人工智能及其应用的标准研究问题之一。仿真组在RoboCup中是重要的一部分。由于仿真组的比赛环境非常复杂,采用手工编码实现的Agent的高层决策无法考虑到比赛的所有情况,缺乏灵活性,并且需要花大量的时间对手工编码中的参数进行调整,结果也不是很理想。所以本文采用机器学习来实现Agent的决策。本文运用了一种基于CMAC的Q学习方法,把该方法应用在禁区内进行2VSl进攻的策略学习训练实例中,实验结果表明了本方法的可行性和有效性。
关键词:robocup cmac q学习 2vsl
单位:南京邮电大学自动化学院 江苏南京210046
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社