电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现

电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现

ID:18903059

大小:559.50 KB

页数:27页

时间:2018-09-18

电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现_第1页
电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现_第2页
电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现_第3页
电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现_第4页
电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现_第5页
资源描述:

《电动化毕业设计(论文):强化学习在机器人足球射门员射门策略中的应用和实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、本科毕业论文(科研训练、毕业设计)题目:强化学习在机器人足球射门员射门策略中的应用和实现姓名:陈威学院:信息科学与技术学院系:自动化专业:自动化年级:05级学号:17020051202633指导教师(校内):刘云龙职称:指导教师(校外):职称:2011年6月日27强化学习在机器人足球射门员射门策略中的应用和实现[摘要]机器人足球比赛是一个有趣并且复杂的新兴的人工智能研究领域,它是一个典型的多智能体系统。多智能体系统是分布式人工智能系统的一个特殊类型。事实上,许多现实世界问题都是包含多个智能体的系统,例如工程设计、智能搜

2、索、医疗诊断、机器人技术等。它在世界范围都是新兴事物、新兴技术、新兴产业,在很多方面仍处于探索、实验阶段。在我国更是方兴未艾,国内只有少数高校、单位进行研究开发,而且研究的方向也比较窄,还有很大的发展前景和发展空间。针对机器人足球比赛中状态空间复杂、射门员不容易判断采取何种动作才能最有效地进攻,采用强化学习方法研究了机器人足球比赛中的足球机器人的动作选择问题。本文介绍了强化学习及Q学习方法的原理,着重对Q学习算法在射门员进攻策略中的应用进行了实现,并通过仿真验证利用Q学习算法策略进攻成功的概率大于随机策略,证明本方法有

3、效。[关键词]机器人足球强化学习射门员进攻27Astudyaboutreinforcementlearningappliedinthemember shoot shoot tacticinrobotsoccer[Abstract]RobotSoccerisaninterestingandcomplexnewareaofartificialintelligence,anditisatypicalmulti-Agentsystem.Distributedmulti-agentsystemisaspecialtypeofar

4、tificialintelligencesystems.Infact,many real-world problemsare multiple agent systems,suchas engineeringdesign, intelligentsearch,medicaldiagnosis,robotics technology.Itisanewobject,newtechniqueandnewindustryworldwideandisstillatthegroping,experimentalstage.Itis

5、evenintheascendantinourcountry,therearefewuniversitiesandunitsresearchingtherobotsoccer,moreover,theirresearchdirectioniswithinanarrowsphere,ithasahugedevelopingprospectsanddevelopingspace.Tosolvetheseproblemsthatthestatespaceiscomplexanditisn’teasyforthemembers

6、hoottoestimatewhatactionheshouldtaketoattackeffectivelyintherobotsoccergame,weusereinforcementlearningtoresearchaboutsoccerrobotchoosingitsmovementsintherobotsoccer.ThispaperpresentstheprincipleofreinforcementlearningandQ-learning,mainlyactualizedtheQ-learningap

7、pliedinthemember shoot shoot tactic,andbysimulationexperimentwecanprovethattheprobabilityusingQ-learningtacticisgreaterthanusingrandomtactic,provingthemethodiseffective.[Keywords]RobotSoccer,Reinforcementlearning,Membershoot27目录一.引言------------------------------

8、---------------------------------------5二.机器人足球简介-----------------------------------------------------------71.机器人足球的起源-----------------------------------------------

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。