ارائه ی یک مدل استاندارد برای بهینه سازی تصمیم گیری در شبیه سازی فوتبال

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,315

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE12_097

تاریخ نمایه سازی: 29 اسفند 1387

چکیده مقاله:

شبیه سازی فوتبال بستر مناسبی را برای پیادهسازی سیستمهای چند عاملی فراهم کرده است. در این نوع شبیه سازها هر عامل هوشمند باید بتواند موقعیت خود را با توجه به هم تیمیها و بازیکنان تیم حریف مورد ارزیابی قرار داده و سپس تصمیم گیری نماید. در شبیه سازهای فوتبال کنونی، محققان تنها به بررسی الگوریتمهای یادگیری پرداخته اند و به اصول حاکم بر یک سیستم چند عاملی که گام اصلی در تولید یک تیم همکاری کننده میباشد، توجه خاصی ندارند. در این مقاله یک مدل استاندارد برای تصمیم گیری و انجام واکنش مناسب طرح شده است و هر بازیکن برای انجام واکنش خود در هر لحظه از این مدل پیروی میکند. بررسی نتایج حاصل ازپیاده سازی این مدل برای یک تیم و مقایسه آن با تیمی که فاقد مدل فوق بوده، نشان دهنده کارایی مدل پیشنهادی میباشد.

نویسندگان

داوود جلالیان

هیئت علمی دانشگاه آزاد فومن

علیرضا حاجی پور

عضو انجمن برق دانشگاه آزاد قزوین

الیار جمالی

عضو انجمن برق دانشگاه آزاد قزوین

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Kitano, M. Asada, Y. Kuniyoshi, I. Noda, E. Osawa, ...
  • W.M. Shen, Autonomous Learning From En vironment. W. H. Freeman ...
  • K. Watanabe, K. Izumi, A fuzzy-neural realization of beh avior-based ...
  • K. Izumi, K. Watanabe, Fuzzy b ehavior-based control trained by ...
  • T. Shibata, T. Fukuda, Coordinative behavior by genetic algorithm and ...
  • D. Nauck, R. Kruse, A fuzzy neural network learning fuzzy ...
  • W. Lee, J. Hallam, H. Lund, Applying genetic programming to ...
  • D. Leitch, A new genetic algorithm for the evolution of ...
  • Bratman, M., D. Israel, and M. Pollack Plans and Resource-B ...
  • Twok, C. T. and D.Weld Planning to Gather Information. In ...
  • Brooks, R. _ A robust layered control system for mobile ...
  • Georgeff, M. and A. Lansky Reactive Reasoning and Planning. _ ...
  • Foner, L. N. Yenta: A Multi-Agent, Referral- Based Matchmaking System. ...
  • Smith, R. G. and R. Davis, Negotiation as a Metaphor ...
  • Winslett, M., K. Smith, and X. Qian Formal Query Languages ...
  • Birmingham, W. P., E. H. Durfee, T. Mullen, and M. ...
  • Shehory, O. and S. Kraus Methods for Task Allocation via ...
  • Sycara, J. and D. Zeng Coordination of multiple intelligent software ...
  • Rosenschein, S. J. and L. _ Kaelbling A Situated View ...
  • Kraus, S., J. Wilkenfeld, and G. Zlotkin, Multiagent Negotiation Under ...
  • N.R. Jennings, M. Wooldridge, Agent-orien ted software engineering, Handbook of ...
  • J. Dell, H.V.D. Parunak, B. Bauer, *Extending UML for Agents.', ...
  • N. R. Jennings, *Agent-Based Computing: Promise and Perils.', Proc. Of ...
  • M. Arbib, Perceptual Structures And Distributed Motor Control. I Handbook ...
  • J. Barnes, H. Jason. Testing Undefined Behavior as a Result ...
  • نمایش کامل مراجع