BP神经网络在短道速滑智能体决策过程中的应用.docVIP

BP神经网络在短道速滑智能体决策过程中 ir:i I — i 的应用 摘要：通过人工神经网络，实现了短道速滑仿真系统 摘要： 通过人工神经网络，实现了短道速滑仿真系统 中智能体(age nt )的决策过程。将智能体的当前状态 作为神经网络的输入，智能体要采取的动作作为神经网络的 输出，从而实现智能体的决策。神经网络的训练采用有监督 学习的误差反向传播(Back P r o p a g a t ion) 算法，样本采集自仿真系统运行时使用者的输入。通过所述 方法，能够保证智能体在高速的比赛过程中较少犯规，并可 以达到在体能受限的情况下取得较优秀成绩的目的，还能够 模拟某一特定运动员的滑行特性和决策习惯 关键词： 中图分类号：T P 1 8文献标识码：A文章编号：2 0 9 5 -2163(2011)01 ?0 028 ?05 0引言 短道速滑技战术仿真系统为短道速滑运动员提供一个可 在计算机上进行比赛对抗的平台，以达到对不同战术的可行 性研究以及与国外高水平运动员模拟比赛的目的 在该仿真系统中，智能体的任务就是模拟短道速滑运动 员在比赛中产生类人决策，并与人为控制的运动员进行对 抗，达到使用户体验到与高水平运动员竞技的目标。所以， 智能体决策的优劣直接影响到该系统的仿真性，特别是短道 速滑运动是一种节奏快、速度高、对决策要求准确的体育项 目，更加要求智能体在决策过程中不仅要尽可能地不犯规、 不出错，而且要能够体现出决策的个体差异性，即不同的智 能体在应对同一种情况时产生的决策是不同的。所以，智能 体决策过程首先要保证运动员能够完成比赛；其次，能够实 现不同的运动员在比赛过程中有各自的滑行特性和决策习 惯 对于智能体决策过程的研究思想和方法大致分为四类, 如表1所示。其中，符号主义通过一定的逻辑规则，对特定 的符号信息进行处理；联结主义试图构造类似于人脑活动机 理的网络来模拟智能；演化主义以生物界优胜劣決的进化过 程为参照，通过对编码的类似自然选择的计算来达到智能模 拟；行为主义的目标则是能够建造可自主发挥作用、有生命 周期的计算实体[1] 对于短道速滑仿真系统中的智能体决策，如果采取有限 状态机或者决策树等方法计算智能体的决策，由于受到逻辑 规则的限制，虽然能够通过制定准确的逻辑规则实现智能体 完成比赛的目的，但逻辑规则变更难度大，从而使得：其一, 无法达到不同运动员在决策上的差异性的要求；其二，无法 改进已有的决策过程或生成新的决策方案。而人工神经网络 则不仅可以通过对样本的训练使得智能体能够按照样本的 滑行方式完成比赛，还能够通过不同的运动员拥有不同的神 经网络权值实现决策的差异性；同时，本系统的训练样本可 以通过实际比赛时记录人的操作实现，不仅可以将人的表现 建立到智能体中，还能不断改进已有的决策方案或生成新的 决策方案。多a g e n t系统中的反应式agent允许a gent通过处理当前的瞬时信息获得决策方案，非常符合 短道速滑这种速度高、变化快的体育运动中智能体的设计[2 -3] 因此，本文中智能体的决策过程将行为主义和联结主义 两种智能模拟方法相结合，参考多age nt系统中的反应 式age n t设计智能体的决策模型，使用具有学习能力的 神经网络实现智能体的决策过程。从而让不同的运动员通过 拥有自己的神经网络而体现出差异性，并且在系统的使用 中，神经网络还可以通过用户的使用情况而不断优化 1人工神经网络概述 人工神经网络通过模仿生物神经网络系统的行为特征, 实现了从样例中学习出一种能够从输入向输出映射的函数。 神经网络的本质是通过给定的权值改变规则和训练样本，不 断修正系统中神经元之间的连接强度，直到达到所需精度 反向传播（BP）算法是训练神经网络权值最常用的方 法。该算法利用输岀层误差来估计前导层的误差，并修改前 导层的权值，然后再用前导层的误差估计更前一层的误差并 修改权值，如此下去，就形成了信号从输入层向输出层传播, 而误差则沿反方向逐级向输入层传播的过程［4］。但BP算 法存在收敛速度慢，易陷入局部极小的缺点。由于训练样本 易得，本文采用B P算法来训练神经网络的权值，并引入每 —轮训练之前将样本顺序打乱、根据误差改变量的大小调节 学习速率、增加动量项等方式以避免BP算法陷于局部极小 解［5］ 2智能体决策过程的设计 智能体的决策过程就是智能体在一定的输入下，计算出 在当前输入下的一个输出，即为决策 2.1决策过程模型 本文的智能体采用反应式age nt设计［6］,如图1所 示。首先，智能体感知周围环境，获得自身状态和周围环境 的情况，然后，根据自己已有的知识存储通过一定的计算方 法对获得的信息进行分析推理，最后将计算结果作为决策输 出 作为智能体决策过程的输入，自身状态与周围环境的输 入不仅要体现出智