基于模糊逻辑的机器人足球比赛策略
陈炎1，孔祥臻2，田军1
1西安交通大学信息管理系(710049) 2华南理工大学数学科学学院(510640)
email: rickychen@stu.xjtu.edu.cn
摘 要：针对机器人足球比赛环境的动态性和不确定性，提出了一种基于模糊逻辑的决策方法。通过综合场上的信息，对场上的攻防转换、队形确定及角色分配进行快速决策。很好地适应了机器人足球比赛的特点，具有良好的决策效果。 关键词：机器人足球；模糊逻辑；态势分析
1. 引言
机器人足球是在动态不确定环境下对人工智能的考验，是以体育竞赛为载体的高科技对抗，是培养IT领域科技人才的重要手段，同时也是展示高科技水平的生动窗口和促进科技成果实用化和产业化的有效途径。机器人足球的研究融入机器人学、机电一体化技术、通讯与计算机技术、视觉与传感器技术、智能控制与决策等多学科的研究成果，反映出一个国家信息与自动化技术的综合实力。[1]
足球机器人系统的整个系统水平主要取决于决策子系统。决策子系统需要完成球场态势分析、队形确定及队员角色分配等任务。[2]文献[3]认为小球是球场上的核心，提出根据小球所属的半场来确定攻守态势。该方法判别简单，很好地适应了比赛实时决策的特点。但是仅仅依据小球位置进行判别，而不考虑控球权，显然是不合理的。文献[2,4]综合考虑了小球位置、控球权和射门角度，然而却没有把球员本身的状况考虑进来，显然也是有所欠缺。本文在进行球场态势分析时，综合考虑了小球的位置、控球权大小、射门角度、球员速度和体力，比较全面。该方法是基于模糊逻辑的决策方法，从而不需要建立精确的数学模型，同时又考虑了多方面的因素，决策效果良好。
2. 模糊逻辑
比赛时，球场的环境是实时的，动态的，同时，对方的球员的动作行为是主动的，具有不确定性。因此，已难以用传统的数学模型来进行球场态势分析。针对于此，很多研究人员都在探索合适的解决方法。[4]
模糊逻辑是对二值逻辑的扩充，它是解决现实世界中存在的模糊现象而发展起来的，模糊逻辑并不是“模糊的”逻辑，而是用来对“模糊”进行处理以达到消除“模糊”的逻辑。它是一种合理解决不精确、不完全信息的方法。其最大特点是可以比较自然地处理人的概念，是一种更加人性化的方法。因此，利用模糊逻辑来进行比赛决策有其理论的优势，不少研究者对此进行了尝试，如文献[2,4]。用模糊逻辑解决问题的关键是如何构造合理的模糊集合及其隶属度函数。如果构造不合理就达不到预期效果，甚至出现错误。文献[2,4]对球场态势分
- 1 -
http://www.paper.edu.cn
析提出了较好的思路，但其模糊集合的隶属度函数存在着明显的缺点，本文将在其基础上，提出更加合理的隶属度函数，并据此完成其它决策任务。
3. 球场态势分析
进行球场态势分析时，需要综合考虑小球的位置、控球权大小、射门角度、球员速度和体力。足球机器人系统的决策子系统就是要根据这些信息，判断当前环境下的攻守态势。
如图1，我方处于右边，向左进攻。
图1 球场态势分析图
图中: dH为小球与对方球门中心点GO距离；dO为小球与我方球门中心点GH距离；βH为小球和对方球门中心点GO连线与我方机器人进攻方向的夹角；βO为小球和我方球门中心点GH连线与对方机器人进攻方向的夹角；DHj为我方第j号机器人RHj与小球的距离；DOj为对方第j号机器人ROj与小球的距离；αHj为我方第j号机器人RH和小球连线与我方第j号机器人RHj进攻方向的夹角；αOj为对方第j号机器人ROj和小球连线与对方第j号机器人ROj进攻方向的夹角。
集合R={Ri}={RHj,ROj}是球场上除守门员以外所有球员的集合，RHj是我方机器人集合，ROj是对方机器人集合。
3.1 文献[4]方法
文献[4]从小球位置、控球权大小和射门角度来分析球场态势。
3.1.1 小球位置
用模糊集合A表示有利于进攻的小球与球门中心点的距离, 论域U={d|d∈[dH,dO]}。模糊集合A的隶属度函数为：
µd=1−
K
dK
dH+dO
其模糊集合A表示为：
A={(dH,µdH),(dO,µdO)}
同样，用α表示机器人与小球的相对角度。当0<α<90O时，小球处于机器人与对方球门之间，有利于进攻；当90O<α<180O时，机器人处于小球与对方球门之间，不利于我门进 攻。设有利于进攻的相对角度的模糊集合为B，论域U={α|α∈[0,180O]}，构造隶属函数为：
- 2 -
http://www.paper.edu.cn
µα=1−αK/180o
K
模糊集合B为：
B={(αHj,µαHj),(αOj,µαΟj)}
3.1.2 射门角度
用模糊集合C表示小球易于攻门的角度，论域U={β|β∈[0,90O]}。模糊集合C的隶属函数为：
µβ=1−βK/90o
K
其模糊集合C表示为：
C={(βH,µβΗ),(βO,µβΟ)}
3.1.3 控球权大小
设易于得到控球权的机器人与小球的距离的模糊集合为D，其论域U={D|D∈[0,L]},L是球场的对角线的长度，它是机器人和小球之间的最大距离。每个机器人与小球的距离在D上的隶属函数：
µD=1−DK/L
K
模糊集合D可以表示为：
D={(DHj,µDHj),(DOj,µDΟj)}
3.2 对以上方法的改进
我们在3.1的方法上，即考虑了小球位置、控球权大小和射门角度的基础上，把球员的速度与速度和球员的体力考虑了进来。球员的速度越大，在同等情况下，球员更加易于获得球并进攻。同样的道理，当球员的体力越充沛时，球员有可能按照需求，完成一系列费体力的动作，比如说加速，从而也更加有机会获得球并进攻。
3.2.1 球员速度
我们用模糊集合E表示有利于进攻的球员的速度，论域U={V|V∈[0,Vmax]}，Vmax是球员能够达到的最大速度。构造每个球员在模糊集合E上的隶属度函数：
µV=
K
VK
VMAX
该函数表示的意义是，速度越大的球员，在其他条件相同的情况下，更加容易取得控制权，包括取得球和发起进攻。对于对方来说，也具有同样的分析结果。故集合E可以表示为：
E={(VHj,µVHj),(VOj,µVOj)}
3.2.2 球员体力
我们用模糊集合F表示有利于进攻的球员的体力，论域U={S|S∈[0,Smax]}，Smax表示球员能够达到最佳的体力。构造每个球员在模糊集合F上的隶属度函数：
µS=
K
Sk
SMAX
该函数的意义是，体力越充沛的球员，可以获得更大的加速度，并且做出更多的动作。对于对方来说，也具有同样的分析结果。故集合F可以表示为：
- 3 -
http://www.paper.edu.cn
F={(SHj,µSHj),(SOj,µSOj)}
3.3 态势分析
在已有的研究中，进行决策时，都是对d,α,β,D,V,S几个变量加权相加。依据我们的研究，我们认为，依据这些变量的累乘积来进行决策更加合理。因为，各个因素之间是相互关联而非独立。当其中某个因素特别不利时，并非可以用其他因素来弥补。例如，当一个球员的体力为0时，应该认为该球员完全丧失进攻能力。假设适合于进攻的模糊集合为G，论域U=R，则每个机器人在模糊集合G下的隶属度函数为：
µK=ud×µα×µβ×µD×µV×µS
K
K
K
K
K
K
模糊集合G={(RK，μK)}，根据G可以分析出当前环境下，敌我双方每个机器人的攻防能力，进而得出态势分析结果。通常是比较我方机器人RH在G下的隶属度之和与对RO在G下的隶属度之和，隶属度之和大者更加适合进攻。也可以根据G下隶属度值最大的机器人的所属情况来进行判断。以上两种算法，前者是对整体考虑，后者针对个体，即注重个体机器人能力。在我们的实践中，我们选择前者，将我方机器人RH在G下隶属度之和的平均值定义为
μH，对手RO在G下隶属值之和的平均值定义为μO，令μHO=μH -μO,则μHO∈[-1,1]。根据这
个分析结果，我们就可以进行队形确定和初步的角色分配。
4. 结语
应用模糊逻辑进行态势分析可以综合球场上多方面信息，不要求建立精确的数学模型，决策快，实时性好。之后，我们将继续研究模糊逻辑在决策子系统其它层次上的应用。
参考文献：
[1] 潘凌寒等.机器人足球策略的研究[J].江苏大学学报.2004,25(3):257-260.
[2] 瓮松峰等.基于模糊逻辑的机器人足球比赛策略[J].哈尔滨工业大学学报.2004,36(7): 923-925. [3] 吴丽鹃等.足球机器人系统中角色分配策略的设计[J].基础自动化.2000,7(1):4-6.
[4] 后世民,闵华清.基于模糊逻辑的机器人足球比赛策略[C].华南理工大学第四届计算机学科研究生学术研
讨会论文集.2004:64-68.
Fuzzy logic based strategy for robot soccer
Ricky Yan CHEN1, Xiang-Zhen KONG2, Jun TIAN1
(1.Department of Information Management, Xi’an Jiaotong University, Xi’an 710049)
(2.School of Mathematical Sciences, South China University of Technology, Guangzhou 510640) Abstract: Dynamic and uncertain environment makes it difficult to design a precise mathematical model for the decision making in the robot soccer. In this paper, a fuzzy logic-basic strategy is proposed to overcome the difficulty. This approach does not need to set up the accurate mathematical model. At the same time it makes decision quickly according to the variables. Experiment shows that the model is fit for robot soccer and exhibits good performance. Keywords: robot soccer; fuzzy logic; situation analysis
陈炎：男(1984-)，广东人，硕士研究生，主要研究方向为智能信息处理，决策支持系统。 田军：男(1964-)，山东人，博士，副教授，主要研究方向为运筹与优化，决策支持系统。
- 4 -
因篇幅问题不能全部显示，请点此查看更多更全内容