多机器人足球比赛,作为一个有趣、复杂、新兴的分布式人工智能研究领域,近年来受到较多的关注。作为一个典型的多Agent系统,多机器人足球系统中的足球和球员都可以看作是一个Agent。在多机器人足球这一动态不可预测环境中,个体机器人的决策与推理,机器人整体团队协作和局部配合都是本文研究的重点。在实际比赛中,底层的幸存行为、中层的策略行为和高层的战术策略这三层提供的不同的功能使比赛能够不间断地进行。 本文基于MAS的理论,将个体球员的行为模式分为幸存行为和策略行为两种模式,这两种行为模式为机器人球员提供了有限确定的动作集合。本文接下来设计了球员Agent决策子系统,每一个球员Agent根据系统分配的任务,通过决策系统的正向推理选择合适的动作。本文所提出的基于实用性和倾向性的行为选择机制就是一种十分有效的决策方法。 球员在比赛中的协作问题包括个体对抗,局部战术和全局战术等协作、协商方法,以及个体与球队行为选择矛盾的问题。本文从球员Agent协作的层面上研究整个球队的高层协作战术策略。对于球队协作,本文应用面向对象的方法分析了机器人足球队员的角色特点,根据球队具体的阵型、球员具体的角色部署了相应的策略和战术,并提出了基于教练的协作机制,对群体行为进行实时监控和重新规划。 在本文中实现的多机器人足球仿真平台的环境中,安排了两种不同的战术策略一一攻守平衡策略与全攻全守策略进行实际对抗。本文在分析了全攻全守策略的不足后,提出了改进后的基于三角站位的全攻全守战术策略,仿真平台的测试结果表明,改进后的全攻全守的战术策略在解决Agent之间的冲突,提高足球机器人的应变能力和实时性等方面有很大程度提高。这将作为进一步研究的解决方案。