粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）于1995年由Kenndy和Ebethart提出,源于對鳥群運動行為的研究,是一種基于群集智能優(yōu)化算法的演化計算技術(shù)。由于它具有較強的全局搜索能力,較少的參數(shù)設(shè)置,簡單容易實現(xiàn)的特點,在工程實踐中,已廣泛的應(yīng)用于函數(shù)優(yōu)化、參數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制以及其他遺傳算法的應(yīng)用領(lǐng)域。 機器人足球賽是近年來在國內(nèi)外迅速興起的一項高科技競賽活動,是人工智能領(lǐng)域的一大里程碑。1997年,在國際最權(quán)威的人工智能系列學(xué)術(shù)大會——第15屆國際人工智能聯(lián)合會議IJCAI-97上,機器人足球比賽被公認(rèn)為人工智能的一項挑戰(zhàn)。至此,機器人足球比賽成為人工智能和機器人學(xué)的標(biāo)準(zhǔn)問題之一。機器人世界杯足球賽的發(fā)起是為了促進(jìn)分布式人工智能研究與教育的發(fā)展,通過提供一個標(biāo)準(zhǔn)任務(wù),使得研究人員利用各種技術(shù),獲得更好的解決方案,從而有效促進(jìn)各領(lǐng)域的發(fā)展。 本文的主要工作是將粒子群最佳化算法運用于解決機器人足球兩個重要方面的問題。結(jié)合機器人足球賽路徑規(guī)劃的特點,提出了基于粒子群算法的足球機器人動態(tài)路徑規(guī)劃方法。首先,將預(yù)... 

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 機器人足球概念
    1.2 足球機器人系統(tǒng)的分類
    1.3 國際機器人足球組織
        1.3.1 FIRA簡介
        1.3.2 Robocup簡介
    1.4 機器人足球的現(xiàn)實意義
    1.5 本文主要研究內(nèi)容與組織結(jié)構(gòu)
第二章 機器人足球系統(tǒng)
    2.1 多智能體系統(tǒng)(MAS)
        2.1.1 智能體的概念(Agent)
        2.1.2 Agent的特性
        2.1.3 MAS基本概念
        2.1.4 多Agent系統(tǒng)的組織結(jié)構(gòu)
        2.1.5 多智能體系統(tǒng)的協(xié)調(diào)與協(xié)作
        2.1.6 MAS研究的作用和內(nèi)容
    2.2 中型組足球機器人系統(tǒng)
        2.2.1 Robocup中型組比賽簡介
        2.2.2 機器人系統(tǒng)
    2.3 本章小結(jié)
第三章 粒子群最佳化算法
    3.1 群智能概述
        3.1.1 群智能的概念
        3.1.2 群智能的特點
        3.1.3 群智能的研究領(lǐng)域
    3.2 粒子群算法
        3.2.1 粒子群算法的起源
        3.2.2 粒子群算法的基本原理
        3.2.3 標(biāo)準(zhǔn)粒子群算法
        3.2.4 粒子群算法流程
        3.2.5 參數(shù)分析
        3.2.6 PSO的改進(jìn)
    3.3 本章小結(jié)
第四章 粒子群算法在足球機器人路徑規(guī)劃中的應(yīng)用
    4.1 路徑規(guī)劃概述
    4.2 常用的路徑規(guī)劃方法
        4.2.1 傳統(tǒng)路徑規(guī)劃方法
        4.2.2 智能規(guī)劃方法
    4.3 以結(jié)合滾動優(yōu)化策略的粒子群算法為基礎(chǔ)足球機器人路徑規(guī)劃
        4.3.1 滾動優(yōu)化的基本原理
        4.3.2 環(huán)境建模
        4.3.3 滾動窗口規(guī)劃方法
        4.3.4 粒子群局部路徑規(guī)劃算法
        4.3.5 仿真實驗
    4.4 本章小結(jié)
第五章 多目標(biāo)優(yōu)化的粒子群算法在機器人足球中的應(yīng)用
    5.1 多目標(biāo)優(yōu)化及數(shù)學(xué)模型
    5.2 多目標(biāo)優(yōu)化有關(guān)解概念的定義
    5.3 多目標(biāo)優(yōu)化問題的特點及解法
    5.4 傳統(tǒng)多目標(biāo)優(yōu)化算法
    5.5 多目標(biāo)優(yōu)化進(jìn)化算法
        5.5.1 基本原理
        5.5.2 主要方法
        5.5.3 多目標(biāo)進(jìn)化算法的關(guān)鍵問題
    5.6 多目標(biāo)優(yōu)化的粒子群算法
        5.6.1 多目標(biāo)粒子群算法概述
        5.6.2 多目標(biāo)粒子群算法的研究狀況
        5.6.3 多目標(biāo)函數(shù)的算法流程
    5.7 多目標(biāo)粒子群算法在機器人足球進(jìn)攻策略中的應(yīng)用
        5.7.1 建立模型
        5.7.2 算法流程
        5.7.3 實驗結(jié)果
    5.8 本章小結(jié)
第六章 結(jié)論與展望
參考文獻(xiàn)
謝辭
個人簡歷
在學(xué)期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]智能機器人路徑規(guī)劃及算法研究[J]. 宋暉,高小明,張華.  微計算機信息. 2006(32)
[2]一種基于快速排序的快速多目標(biāo)遺傳算法[J]. 蔣浩,唐歡容,鄭金華.  計算機工程與應(yīng)用. 2005(30)
[3]求解整數(shù)規(guī)劃問題的微粒群算法[J]. 譚瑛,高慧敏,曾建潮.  系統(tǒng)工程理論與實踐. 2004(05)
[4]多Agent系統(tǒng)中合作策略的研究[J]. 胡旦華,馬永光,張宇晴.  計算機仿真. 2004(03)
[5]機器人路徑規(guī)劃方法綜述[J]. 張穎,吳成東,原寶龍.  控制工程. 2003(S1)
[6]多Agent系統(tǒng)體系結(jié)構(gòu)[J]. 顏躍進(jìn),李舟軍,陳躍新.  計算機科學(xué). 2001(05)
[7]多Agent系統(tǒng)的理論、技術(shù)及其應(yīng)用[J]. 胡舜耕,張莉,鐘義信.  計算機科學(xué). 1999(09)



本文編號：3706142