基于遗传规划的机器人足球团体协作进化策略.pdfVIP

中国自动化学会乍东地区第1t届学术年会会议论文 基于遗传规划的机器人足球团体协作进化策略 楼蔚松，姚良标，罗志增 001 (杭州电子科技大学机器人研究所，浙江杭州318) 摘要：利用基十进化的方法．对机器人足球比赛中的团队挑作策略进行{5}汁。论殳给出r一种蕲的 强类型的遗传规划(STGP)算法，它对传统遗传规划方法啦出r较大的改进，主要是提出了两种斩的计 算方法：基于概率的树的生成算法l，和基于概率的树的生成算法2。这两种算法不仅算法简便，又 可以让用户对树结构进行控制，扶而倥其能更好地适应机器人足球系统韵实时性和动态要求． 关键词：强类型遗传规划：团队办件；机器人足球 中圈分类号：TP242 文献标识码：A 文章编号： 0引言 有关机器人足球赛团队协作的研究，国内外主要有两类方法；基于知识的方法和基于进 化的方法…。由于团队协作模型是否能够应用到其他非机器人足球赛领域是作为衡量团队协 作质量的一个重要因素。基于知识的方法虽然是目前仿真机器人足球赛团队协作中绝大多数 团队所采用的方法，但是这种方法很难应用到非机器人足球领域。基于进化的方法不但在机 器人足球领域可以的得到较好的控制效果，而且可以推广到其他复杂领域上。因此本文研究 将强类型遗传规划“1(Strongly-typedGP)应用于机器人足球队的团体协作策略中。 1算法说明 遗传规划是一种为寻找满足给定问题域的晟优计算机程序的 进化计算技术。遗传规划把不同领域的问题都归结为在可能的程 序空间寻找最优或满意的计算机程序。在具体实现中应该以如图l 所示的顺序进行操作。而强类型遗传规划(STOP)则增加了返同值 和节点的子参数的类型限制。在S下GP中，如果一个以节点N为 根的子树要作为节点M的参数位置X的子表达式．则只有当它的 返回值类型与参数X的类型是相同时才可以作X的子表达式。在 机器人足球领域内，为了降低环境中复杂性和动态性等特点，在 操作的一开始就做一个底层的动态库来简化领域的复杂性。这个 库接收所有进来的传感器信息并把它们简化为各个对手和队友的 位置(包括自己)。还有球和球门的位置信息。还包括一个简单的 状态估计机制用来在传感器周期内修改队友和对方队员的位置， 这个简化的领域还提供了在自由传球和射门的时候球是属丁．哪一 方的信息。然后在此基础上．创建一个底层基本行为函数集合。 用它作为节点来刨建个体。 2算法的具体实现 图I遗传规划操作 为了更好地描述该算法．方便程序设计．分解成以FJL个问题。 2．1染色体结构表示法 收稿日期：2004—6—26 作者简介；樱蔚松(1980一)．男．浙江东阳人．硕卜研究生，机器人技术 中国自动化学会f#东地区第卜七届学术年会会议论文 对传统的遗传规划染色体的表示法做如F改进： (1)一个队员的算法有两个简单的策略树组成：a)负责移动的策略树．经过评估会产 生一个包括方向和速度的向量．按照这个向量来前进和转身：b)负责踢球的策略树，经过评 估会产生一个包括方向和力量的向量．按照这个向量来踢球。 (2)为了得到一个更宽的搜索领域．采用同构算法和异构算法，如图2所示。同构算 法承l异构算法进化团队协作策略分别描述为：a)使用同构算法。每个足球机器人有效地遵 循同一个算法，在比赛期间使J_}j一个简单的组合“踢球一移动”：b)使用异构算法时．把队 员分成几个小队，每个小队都产生和遵循自己的唯一算法(如前锋用一算法、后卫用一算法)． 这样一个GP染色体就不是一个“踢球一移动”组合，而是一群这样的组合。这样提供了更 加合理的灵活性和保证专门化的行为雨I协作。无论是采用同构算法还时异构算法，都不允许 对一个踢球的树和运动树进行交叉操作。在异构算法中，只允许来自相同小队的进行交叉操 作。 图2同构算法和异构算法的策略树编码 2．2树的生成算法 在染色体结构确定后，就应该确定树的生成算法。由于机器人足球环境的复杂性和为了 防止染色体结构的臃肿。所以树生成算法不仅要指定生成树中节点数的期望大小：