RoboCup中传球策略的研究与实现.docVIP

RoboCup中传球策略的研究与实现 　　摘要：该文针对RoboCup仿真2D球队设计中的11个智能体相互间的合作和协调问题，结合整体的规划决策与每个智能体的动作模块的关系，根据BP神经网络的传球速度，提出了基于角色、基于区域及其基于概率判断的传球策略，并指出了三者之间的协调性，用于建立场上关键信息元素和决策之间有效的关系。 　　关键词：BP神经网络；穿越速度；合作；协调性；概率 　　中图分类号：TP18文献标识码：A文章编号：1009-3044(2011)16-3912-02 　　Study and Implementation of Robocup 2D Simulation of Passing Strategy 　　WANG Hua-ben1,TANG Li-jiang2 　　(1.Hefei University of Technology, Hefei 230001, China; 2.Hospital of Traditional Chinese Medicine, Hefei 230001, China) 　　Abstract:The paper design team for the RoboCup 2D Simulation of the 11 agents in mutual cooperation and coordination, combined with the overall planning decisions and actions of each agent relationship between the module, pass under the speed of BP neural network was proposed based on role, based on the region and its strategy based on the probability of passing judgments, and points out the coordination between the three, key information used to establish the field between the elements and decision-making effective relationships. 　　Key words: BP neural network; crossing speed; cooperation; coordination; probability 　　RoboCup仿真组比赛是各种比赛中参赛队数目最多的一种。由于仿真环境与人类足球比赛的环境相似，比赛队员的仿真模型与实际队员也很接近，实现了机器人比赛中由于机器人硬件的不足而放弃的规则，所以对于分布式人工智能理论的研究具有重要意义。 　　1 传球策略的分析 　　传球是足球比赛中重要的部分，是进攻基础,是整个比赛的核心，是影响到整体战术的重要环节，也是取胜的保证。这里将传球问题分解为以下两个问题来研究。 　　1.1 传球速度的判定 　　这里传球速度的判定，是参考了清华国际比赛队伍所采用的穿越速度。如果传球者踢出速度合适，使对手在交点以内都没法截到，我方队员比对方先截到球。并以此速度踢出球，此队员不能在该点以前截到球，而且以小于此速度的任何速度踢出球，对手都可能在该点以内截到球。只要以大于这个穿越速度传球，球就能传到队友脚下。 　　穿越速度可以通过BP神经网络来计算，BP网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。如何用BP神经网络来计算穿越速度，可以分为以下两个步骤：第一步，采集样本。第二步，用人工神经网络中的BP网络拟合得到传给每个球员的穿越速度。[1] 　　1.2 传球路径的确定 　　由于传球算法搜索的状态空间比较大,所部分执行时间较长,如果不对其进行优化很可能会造成在100ms的单位时间内不能执行完所有算法。这里对传统的传球算法进行了优化处理，采用以下传球策略：第一：点对点传球，即基于角色的传球，此算法搜索时间极短。第二：在某一规定区域搜索路线传球，即基于区域的传球，第三：进攻区球门附近，可以采用基于概率判断的策略，这样可以避免对一些不必要的路径进行大量的搜索，而且没有影响到传球效果。下面是XH-Rocket这三种传球策略的简介。 　　1.2.1 基于角色的传球策略 　　在RoboCup2D比赛过程中，球队的每个成员在任何时刻都能清楚的知道自己在阵型中的角色。基于角色的传球策略体现了多智能体之间局部的协作和配合。球员在传球时选择