学位论文 > 优秀研究生学位论文题录展示

基于粒子群算法的足球机器人研究

作　者: 梅传根
导　师: 刘祚时
学　校: 江西理工大学
专　业: 机械电子工程
关键词: 机器人足球粒子群算法路径规划多目标优化进攻策略
分类号: TP242.3
类　型: 硕士论文
年　份: 2009年
下　载: 95次
引　用: 1次
阅　读: 论文下载

内容摘要

粒子群优化算法(Particle Swarm Optimization,PSO)于1995年由Kenndy和Ebethart提出,源于对鸟群运动行为的研究,是一种基于群集智能优化算法的演化计算技术。由于它具有较强的全局搜索能力,较少的参数设置,简单容易实现的特点,在工程实践中,已广泛的应用于函数优化、参数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。机器人足球赛是近年来在国内外迅速兴起的一项高科技竞赛活动,是人工智能领域的一大里程碑。1997年,在国际最权威的人工智能系列学术大会——第15届国际人工智能联合会议IJCAI-97上,机器人足球比赛被公认为人工智能的一项挑战。至此,机器人足球比赛成为人工智能和机器人学的标准问题之一。机器人世界杯足球赛的发起是为了促进分布式人工智能研究与教育的发展,通过提供一个标准任务,使得研究人员利用各种技术,获得更好的解决方案,从而有效促进各领域的发展。本文的主要工作是将粒子群最佳化算法运用于解决机器人足球两个重要方面的问题。结合机器人足球赛路径规划的特点,提出了基于粒子群算法的足球机器人动态路径规划方法。首先,将预测控制中的滚动优化方法应用于机器人路径规划。通过将起始点到终点的直线段路径划分成若干个移动窗口的办法,实现机器人的动态路径规划。第二步,在单个移动窗口内分别运用粒子群优化算法求解机器人的最佳局部路径,从而完成整个路径优化任务。对于足球机器人的进攻策略,提出了将多目标优化的粒子群算法用于指导机器人球队进攻的方法,根据对方防守队员的运动参数来进行我方机器人的移位。首先用单目标粒子群算法选出最合适的机器人去控球,然后调用多目标追踪的粒子群算法,指导我方其余进攻队员向对方防守机器人移动。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-14
  1.1 机器人足球概念  7-8
  1.2 足球机器人系统的分类  8
  1.3 国际机器人足球组织  8-12
    1.3.1 FIRA简介  8-10
    1.3.2 Robocup简介  10-12
  1.4 机器人足球的现实意义  12
  1.5 本文主要研究内容与组织结构  12-14
第二章机器人足球系统  14-25
  2.1 多智能体系统(MAS)  14-21
    2.1.1 智能体的概念(Agent)  14
    2.1.2 Agent的特性  14-15
    2.1.3 MAS基本概念  15-16
    2.1.4 多Agent系统的组织结构  16-18
    2.1.5 多智能体系统的协调与协作  18-20
    2.1.6 MAS研究的作用和内容  20-21
  2.2 中型组足球机器人系统  21-24
    2.2.1 Robocup中型组比赛简介  21-22
    2.2.2 机器人系统  22-24
  2.3 本章小结  24-25
第三章粒子群最佳化算法  25-33
  3.1 群智能概述  25-27
    3.1.1 群智能的概念  25
    3.1.2 群智能的特点  25-26
    3.1.3 群智能的研究领域  26-27
  3.2 粒子群算法  27-32
    3.2.1 粒子群算法的起源  27-28
    3.2.2 粒子群算法的基本原理  28-30
    3.2.3 标准粒子群算法  30
    3.2.4 粒子群算法流程  30-31
    3.2.5 参数分析  31
    3.2.6 PSO的改进  31-32
  3.3 本章小结  32-33
第四章粒子群算法在足球机器人路径规划中的应用  33-42
  4.1 路径规划概述  33-34
  4.2 常用的路径规划方法  34-36
    4.2.1 传统路径规划方法  34-35
    4.2.2 智能规划方法  35-36
  4.3 以结合滚动优化策略的粒子群算法为基础足球机器人路径规划  36-41
    4.3.1 滚动优化的基本原理  36-37
    4.3.2 环境建模  37
    4.3.3 滚动窗口规划方法  37-38
    4.3.4 粒子群局部路径规划算法  38-40
    4.3.5 仿真实验  40-41
  4.4 本章小结  41-42
第五章多目标优化的粒子群算法在机器人足球中的应用  42-55
  5.1 多目标优化及数学模型  42-43
  5.2 多目标优化有关解概念的定义  43
  5.3 多目标优化问题的特点及解法  43-44
  5.4 传统多目标优化算法  44-45
  5.5 多目标优化进化算法  45-47
    5.5.1 基本原理  45
    5.5.2 主要方法  45-46
    5.5.3 多目标进化算法的关键问题  46-47
  5.6 多目标优化的粒子群算法  47-51
    5.6.1 多目标粒子群算法概述  47-48
    5.6.2 多目标粒子群算法的研究状况  48-49
    5.6.3 多目标函数的算法流程  49-51
  5.7 多目标粒子群算法在机器人足球进攻策略中的应用  51-54
    5.7.1 建立模型  51-52
    5.7.2 算法流程  52-53
    5.7.3 实验结果  53-54
  5.8 本章小结  54-55
第六章结论与展望  55-57
参考文献  57-59
谢辞  59-60
个人简历  60
在学期间发表的学术论文  60-61

基于粒子群算法的足球机器人研究

内容摘要

全文目录

相似论文