原文服务方: 机器人       
摘要:
主要研究了强化学习算法及其在机器人足球比赛技术动作学习问题中的应用.强化学习的状态空间和动作空间过大或变量连续,往往导致学习的速度过慢甚至难于收敛.针对这一问题,提出了基于T-S模型模糊神经网络的强化学习方法,能够有效地实现强化学习状态空间到动作空间的映射.此外,使用提出的强化学习方法设计了足球机器人的技术动作,研究了在不需要专家知识和环境模型情况下机器人的行为学习问题.最后,通过实验证明了所研究方法的有效性,其能够满足机器人足球比赛的需要.
推荐文章
仿真机器人足球中的强化学习
仿真机器人足球
强化学习
多主体系统
强化学习在机器人足球比赛中的应用
强化学习
机器人足球比赛
多智能体
分层强化学习在足球机器人中的应用
强化学习
Q_learning算法
MaxQ算法
Robocup
强化学习在机器人足球比赛中的应用
强化学习
机器人足球比赛
多智能体
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 强化学习在足球机器人基本动作学习中的应用
来源期刊 机器人 学科
关键词 强化学习 机器人足球比赛 行为学习 T-S模糊神经网络
年,卷(期) 2008,(5) 所属期刊栏目 论文与报告
研究方向 页码范围 453-459
页数 7页 分类号 TP24
字数 语种 中文
DOI 10.3321/j.issn:1002-0446.2008.05.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐心和 东北大学人工智能与机器人研究所 295 7536 42.0 73.0
2 崔宝侠 沈阳工业大学信息科学与工程学院 45 406 12.0 17.0
3 段勇 沈阳工业大学信息科学与工程学院 39 307 10.0 15.0
4 杨淮清 沈阳工业大学信息科学与工程学院 11 185 4.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (10)
参考文献  (7)
节点文献
引证文献  (13)
同被引文献  (18)
二级引证文献  (61)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(4)
  • 引证文献(2)
  • 二级引证文献(2)
2011(9)
  • 引证文献(3)
  • 二级引证文献(6)
2012(7)
  • 引证文献(1)
  • 二级引证文献(6)
2013(9)
  • 引证文献(2)
  • 二级引证文献(7)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(9)
  • 引证文献(2)
  • 二级引证文献(7)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(11)
  • 引证文献(0)
  • 二级引证文献(11)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
强化学习
机器人足球比赛
行为学习
T-S模糊神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机器人
双月刊
1002-0446
21-1137/TP
大16开
1979-01-01
chi
出版文献量(篇)
2337
总下载数(次)
0
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导