对手建模相关论文
围绕两人零和博弈所开展的一系列研究,近年来在围棋、德州扑克等问题中取得了里程碑式的突破.现有的两人零和博弈求解方案大多在理......
深度强化学习是一种兼具深度学习特征提取能力和强化学习序列决策能力的智能体建模方法，能够弥补传统对手建模方法存在的非平稳性适......
随着深度神经网络的不断发展,深度强化学习算法逐渐在运筹学、机器人控制、自动驾驶等领域大放异彩。然而在更贴近现实世界的场景......
智能博弈对抗一直是人工智能研究的热点。在博弈对抗环境中，通过对对手进行建模，可以推测敌对智能体动作、目标、策略等相关属性，为博......
智能决策是人工智能领域的重要发展方向之一,可在博弈环境中基于强化学习方法来实现。传统强化学习方法中一般将参与交互的其他智......
即时策略博弈在线规划是多智能体学习领域的挑战性问题,在博弈对抗过程中,面对不确定性威胁环境和非平稳性对手,智能体需要在有限......
智能体是人工智能领域的一个核心术语.近年来,智能体技术在自动无人驾驶、机器人系统、电子商务、传感网络、智能游戏等方面得到了......
首先介绍了对手建模的几种不同的类型,引出行为建模中的意图识别问题;随后针对意图识别的过程、分类、主要研究方法、研究展望以及......
多主体系统(MAS)是当前人工智能研究的主攻方向。就是在一个实时动态变化的和不可预测的环境中，有自主能力的自主体，作为团队的一部......
对手建模即智能体对于环境中其他智能体的意图、知识、行为建立模型.它是多智能体对抗重要部分,能大大提高系统在多智能体环境中的......
本文结合机器人足球仿真的研究现状,在其他球队工作的基础上,针对上层设计的一些问题包括阵形设计、对手建模、教练开发、多线程工......
足球机器人系统是一类典型的多移动机器人合作的对抗系统，具有实时性要求高、环境高度动态、存在不可预测状态等特点，并将高科技研究......
在充满竞争的环境中,资源有限导致智能体之间存在利益冲突,有必要建立对手模型并对其行为进行准确预测,从而制定对自身有利的策略.......
近年来发展起来的智能系统,已经发展到了智能对抗的水平。在对抗的环境中,由于存在竞争的一方,实时跟踪对手的行为状态、分析对手......
提出了一种综合了模块化结构、利益分配学习以及对手建模技术的多agent强化学习方法，利用模块化学习结构来克服状态空间的维数灾问......
RoboCup仿真比赛在国际上已经开展几年了,近几年在国内也得到迅速发展。本文针对RoboCup仿真研究的几个主要问题,介绍了一些球队在......
对抗性多机器人系统是1个典型的多智能体系统(MAS)。在MAS中，建立对手模型，并进行意图和规划识别是对抗活动的基本前提。BDI是描述思......
以RoboCup(机器人世界杯足球锦标赛)中的仿真组作为平台,研究复杂环境中的多智能体的竞争和合作问题。首先通过对手建模的方法,分......
鉴于空战机动在智能化协同对抗中的重要地位,分析了现有典型算法的不足。从智能体建模方法入手,将认知行为模型嵌入强化学习智能体......
人类生活中有利益冲突的地方就会有博弈,而现实生活中大多数博弈问题都属于非完备信息博弈,例如金融交易、军事博弈、政治谈判、棋......
足球机器人系统是一类典型的多移动机器人合作的对抗系统,具有实时性要求高、环境高度动态、存在不可预测状态等特点,并将高科技研......
用贝叶斯网络来解决多机器人对抗系统的对手建模问题,建立了用于一类多机器人对抗系统对手规划识别的混合贝叶斯网络.将足球机器人......
随着人工智能技术的发展，通过有效的博弈树搜索技术已经能够处理大部分完备信息博弈问题，而非完备信息博弈在很长的一段时间内发展缓......
人工智能是计算机领域的一个重要分支,其任务是研究使计算机胜任原本必须人的智力才能完成的工作。机器博弈作为人工智能的研究领......
机器博弈一直以来都是人工智能最具有挑战性的研究方向之一,机器博弈领域又分为完备信息博弈和非完备信息博弈两个方向。近几年计......
