強(qiáng)化學(xué)習(xí)在仿真足球機(jī)器人決策中的應(yīng)用研究.pdf

1、機(jī)器人足球作為目前研究的一個熱點(diǎn)課題，涉及人工智能、機(jī)器人學(xué)以及智能控制等多個學(xué)科領(lǐng)域。由于實(shí)體機(jī)器人足球比賽對比賽的硬件設(shè)備要求比較高，極大的限制了機(jī)器人足球比賽的發(fā)展。為了將各種智能算法更好的應(yīng)用于機(jī)器人足球控制上，有必要開發(fā)足球機(jī)器人比賽的仿真平臺。仿真平臺所需設(shè)備簡單，可以單純從軟件平臺模擬實(shí)體比賽，所以足球機(jī)器人仿真比賽已成為足球機(jī)器人研究領(lǐng)域的一個重要分支。
　　 本文主要工作是將Sarsa學(xué)習(xí)算法應(yīng)用于仿真足球機(jī)器

2、人決策中，在MSRS11vs11足球機(jī)器人仿真平臺上對決策進(jìn)行驗(yàn)證，并與其它幾何學(xué)上的算法進(jìn)行比較。由于仿真比賽的環(huán)境狀態(tài)是一個復(fù)雜、連續(xù)的狀態(tài)空間，在應(yīng)用Sarsa學(xué)習(xí)算法之前，首先要對連續(xù)的狀態(tài)空間進(jìn)行離散化，離散化的好壞決定了足球機(jī)器人最終學(xué)習(xí)能否成功；其次是設(shè)計好獎賞函數(shù)和動作函數(shù)，獎賞函數(shù)的設(shè)計影響到學(xué)習(xí)算法的收斂性，動作函數(shù)直接影響到足球機(jī)器人動作的執(zhí)行，間接影響到學(xué)習(xí)的效果；最后將兩個幾何學(xué)上的算法應(yīng)用于仿真平臺，記錄相關(guān)