基于动作决策的机器鱼顶球算法

为了使机器鱼的顶球兼备速度性和连贯性并提高进球效率,提出一种基于动作决策的顶球算法。在分析典型的顶球算法的基础上,设计了机器鱼5种简单动作,依据机器鱼、球和对方球门的坐标几何位置关系的设计决策机制来选择机器鱼下一步动作,并在机器人水球比赛平台上进行了单鱼顶球实验进行算法验证。实验结果表明,该算法能大大缩短一次进球所需要的时间。     

一种基于中垂线路径规划的仿真机器鱼射门算法

为提高仿真机器鱼在进攻过程中的射门效率和准确度,减少水波和敌方对仿真鱼的干扰[1],设计一种基于仿真鱼的刚体中心点和仿真水球中心点连线的中垂线的射门路径最优路径规划算法[2]。介绍中垂线路径规划最优射门算法,分析算法用于射门存在的问题,给出射门算法改进的基本思路,提出算法的实现方法,并以实例进行仿真及效果评价。该算法已成功应用于机器鱼水球比赛1vs1、3vs3、水球斯诺克等中。实际应用结果表明:该算法实现简洁巧妙,进攻效率高而且抗干扰强,能使机器鱼在最短的时间内寻找一条合适路径然后顶球射门[3]。     

基于弦端点法的机器鱼寻迹策略

为进一步缩短机器鱼寻迹顶球所走的路径,提高机器鱼找目标点的效率,提出一种基于弦端点法的机器鱼寻迹策略。在对切入圆算法改进的基础上,给出弦端点法的总体思路,通过作辅助圆弦中垂线的方法给机器鱼具有很好连贯性且逐渐逼近最佳击球点的一系列目标点。对2种算法的寻迹情况进行比较的结果表明:该策略能使机器鱼在寻找目标点时游动路径更短、轨迹更光滑,从而更好地实现顶球射门。     

基于坐标变换的机器鱼顶球算法

为了使机器鱼的顶球兼备速度性和连贯性并提高带球进攻效率,提出一种基于坐标变换的顶球算法。在分析典型的顶球算法的基础上,设计了机器鱼的几种简单动作,依据机器鱼、球和对方球门的坐标几何位置关系的设计决策机制来选择机器鱼下一步动作,并在多水中机器人协作控制平台上进行了单鱼顶球实验。实验结果表明,该算法是有效的,能大大提高机器鱼顶球效率和缩短一次进球所需要的时间。     

一种基于有限状态自动机的多鱼协作顶球算法

针对水中机器人比赛中多机器鱼协作顶球时出现的互相干扰的问题,提出一种基于有限状态自动机的多鱼协作顶球算法。从机器鱼运动特点以及水环境的特点出发,以单鱼顶球算法为基础,以有限状态自动机的思路建模,对每条机器鱼的动作决策进行规划,从而能够高效地完成每条机器鱼的路径规划并避免互相干扰,以达到高效顶球的效果。实验结果证明:该有限状态机能够触发每条鱼的状态动作的转换,最大可能地实现互不干扰地交互顶球,大大提高了在多鱼顶球时的效率。     

基于有效区域和有效方向的全局顶球策略

为了使机器鱼的顶球兼备速度性和连贯性并提高进球效率,提出一种基于有效区域和有效方向的顶球算法。在分析典型的顶球算法的基础上,从鱼、球、球门三者的相对位置出发,判断是否在有效区域和有效方向上,并以单机器鱼顶球为实验任务,并对该策略进行了验证。实验结果证明,该方法能有效缩短一次进球所需要的时间。     

基于模糊逻辑和几何学的机器鱼顶球路径规划

针对人工势场法及流场法的缺点,将模糊逻辑与几何学路径规划方法相结合,提出一种新的机器鱼顶球路径规划方法。利用几何方法规划机器鱼的运动轨迹,采用模糊规则产生机器鱼的方向控制指令,使得机器鱼能够沿期望轨迹运动,并在机器鱼平台上进行了验证。结果表明,该方法是有效的,能使机器鱼的位姿始终处于最佳的顶球状态。     

水中机器人2D 仿真水球斯诺克策略优化

基于URWPGSim2D仿真平台,提出一种新型的比赛策略和顶球算法。介绍2D仿真水球斯诺克现有的比赛策略、顶球算法,给出优化后的比赛策略,根据速度性和连贯性,提出一种自动换挡的机器鱼顶球算法,并以实例对优化后的比赛策略和顶球算法进行仿真实验。实验结果表明：优化后的比赛策略的稳定性有所提高,使顶球更加平稳快速。     

基于水波建模的交替式顶球改进算法

针对机器鱼比赛中出现的情况以及基本顶球算法的不足,设计一种基于水波建模的交替式顶球算法。在 经典顶球算法的基础上,根据水波建模的相关理论,给出了基于水波建模的交替式顶球算法的具体思想,通过变换 坐标系,使球以曲线的方式向前推进,利用水波建模对算法进行优化,提高顶球点的精度,从而减少误差,并对算 法进行验证。实验结果表明,该算法可提高机器鱼顶球效率并缩短一次进球所需要的时间。     

基于区域划分和边角处理的机器鱼协作策略

针对水中机器人全局视觉水球2VS2比赛中出现的水球位于边角的特殊情况,提出一种基于比赛场地的区域划分和边角处理的协作比赛策略。通过对比赛场地的划分,划定了2条机器鱼各自负责的区域,并利用机器鱼顶球方式建立机器鱼运动模型。基于水球位于4个边角的问题,讨论了3种协作方式的利弊,得出执行边角处理时采用1条机器鱼处理边角球,1条机器鱼游到合适的位置进行防守的协作策略为最优。在水中机器人平台上进行协作顶球实验验证,实验结果表明：该方法缩短了处理边角球、边界球的时间,提高了机器鱼的协作和进攻效率,使得水球总是朝着有利于己方的方向运动。     

基于遗传算法的机器鱼路径规划

针对在线跟踪机器鱼运动等难题,提出基于对基于遗传算法的机器鱼路径规划方法。采用栅格法对机器鱼工作空间进行划分,然后通过复制、交叉、变异等遗传操作得到机器鱼在由栅格表示环境下的最短无碰路径。根据分段控制和模糊控制的思想分别设计出机器鱼前进的速度控制算法和方向控制算法,使机器鱼的实际推进路线尽量与通过遗传算法得到的理想最优路径一致。再通过计算机向机器鱼发出相应的控制指令。实验结果表明,该方法的是有效的。     

未知环境下基于PF-DQN 的无人机路径规划

为解决无人机无模型路径规划的问题,提出一种环境信息未知情况下基于势函数(PF)奖赏的DQN 路径 规划方法。建立无人机在环境中的连续状态空间,将360?等分成若干个角度作为航向角建立无人机的动作空间,设 计目标和障碍物对无人机的势函数奖赏,刻画不同动作对无人机的影响,并进行仿真实验。实验结果表明：PF-DQN 算法能较好地实现无人机在环境信息未知下的无碰撞路径规划,且势函数奖赏能加快无人机路径规划网络的训练 速度。     

基于模糊控制的仿生机器鱼避障算法

在具有复杂性与不确定性的水环境下,针对无法建立精确的水下机器人控制数学模型问题,提出基于模糊控制的仿生机器鱼避障算法。将视线导航原理与模糊控制思想相结合,进行水下机器人路径规划。通过专家经验,设计一个模糊控制器,实时调整水下机器人的运动方向,并通过仿真实验验证该算法的有效性。仿真及实验结果表明：该算法能实时、稳定地提供水下机器人的运动路径,有效躲避障碍物,安全达到目标点。     

基于遗传算法的机器鱼水中路径规划

针对机器鱼水中路径寻优的具体要求,提出一种以遗传算法为基础的机器鱼路径规划方法。通过介绍遗传算法的3种基本操作,将遗传算法应用到试验场景中规划出最优路径,分析研究了一种根据目标点与机器鱼的距离变化而改变机器鱼运动速度的策略,并进行仿真分析和实验。仿真结果表明：采用遗传算法的水中救援路径规划可将救援时间缩短30%以上,提高了寻优效率。说明遗传算法对机器鱼的路径规划具有积极效果和快速寻优特性。     

抢球大作战策略优化

根据水中机器人水球比赛仿真器2D版软件比赛平台下的机器鱼顶球所具有的速度和连贯性,对抢球大作战项目中机器鱼的进攻和防守策略进行优化。研究抢球大作战项目里的顶球函数,分析上下半场两机器鱼的协作能力,使机器鱼达到"动静结合"的效果,使我方的机器鱼一直处于主动状态,对方机器鱼处于无球或没有好球可抢的境地,并以实例进行仿真实验。实例结果表明,该策略能使机器鱼抢到更多的球。     

基于蚁群算法的仿真机器鱼动作决策策略

针对仿真机器鱼非对抗赛和对抗赛情况,为使求解结果在既不依赖初始路线的选择,也不需要外界的特定干预的情况下,实现鱼快速、准确的调整,分别提出2种基于蚁群算法的动作决策策略。基于蚁群算法的分支界限法,判断机器鱼关键物理量所在分支,自主确定当前时刻的鱼的速度和角速度档位的最优组合;而基于蚁群算法的动态规划法,在每个周期内,根据机器鱼反馈回来的动态变量及时进行自主调整。以上2种方法经2D仿真平台验证结果表明：机器鱼可根据该策略调整路径,实现速度和方向的组合优化,以最短的时间和距离找到目标点。这说明基于蚁群算法的2种动作决策策略具有很强的适应能力,满足仿真机器鱼对于动作决策的要求。     

一种2D 仿真水球5VS5 比赛策略

针对水中机器人2D仿真水球5VS5比赛的规则,提出一种有效的多鱼协作带球与抢球方法。从速度控制、方向控制、顶球动作和智能反应4个方面进行单鱼动作设计,在此基础上进行简化后增加特殊角度的设计,采用动态顶球点和动态最优位置来设计协作带球,并通过＂领域智能算法＂进行协作抢球。分析结果证明：该策略能提高机器鱼之间的协作,并在2012中国机器人大赛2D仿真水球5VS5项目中取得了亚军。     

机器鱼2D 仿真抢球博弈策略优化

基于国际水中机器人大赛2D仿真抢球博弈项目,针对仿真机器鱼路径规划问题提出弧切算法,设计仿真机器鱼的运动轨迹,并由角速度档位划分确保仿真机器鱼运球的稳定性.以距离角度值为基础提出死角避险、双鱼协作合力顶球算法,意在实现仿真机器鱼快速、高效进球,从而提高策略的健壮性,并通过URWPGSim2D仿真平台对策略进行验证.实验结果表明:该策略可以在较短时间内取得较大分数领先,并且呈现出高效、稳定的优点.