Download presentation
Presentation is loading. Please wait.
1
Genetic Programmed Soccer Softbot
Genetic Programmed Soccer Softbot 권권택 박정우 정지훈
2
기본 가정 시야내의 물체들에 대해 절대 좌표를 알고 있는 것으로 간주한다.
각 선수들간 명시적 정보교환(say 명령)은 없는 것으로 간주한다. 한 팀의 선수들은 모두 같은 행동트리를 사용한다. 기본 function set은 구현되어 있다고 가정하고 이 함수들로 구성되는 행동트리를 Genetic Programming으로 진화시킨다.
3
행동트리 kick tree, move tree의 두 가지 트리를 사용한다. 매 행동 사이클에 선수의 행동은 다음과 같다.
4
Fitness 평가방법 직접 경기를 펼쳐 승패, 점수를 사용하여 평가한다. 평가 시간이 많이 소요될 것이다.
승패를 우선적인 기준으로 삼는다. 0-0으로 비겼을 경우 두 팀 모두 경쟁력이 없는 것으로 간주한다. 공 소유 시간이나 패스 성공횟수 등 부차적인 요소는 사용하지 않는다. 평가 시간이 많이 소요될 것이다.
5
진화기간 단축 한 세대의 개체수를 작게 설정한다. 세대수를 작게 설정한다. Function Set을 단순화한다.
좀더 추상화된 명령을 사용하여 명령의 수를 줄인다. 행동트리의 복잡도가 줄어들어 수렴이 빨라질 것으로 기대된다. 어느 정도 이상의 성능은 내지 못할 수도 있다.
6
Function Set
7
Genetic Evolution 한 세대의 개체수 : 20 진화 세대수 : 50 이상 경기 시간 : 3분
총 500경기 25시간 소요가 예상된다.
8
Genetic Operations Reproduction Crossover 비율 : 70 % Mutation 비율 : 30%
두 팀씩 짝을 지어 평가전을 벌이고 승리한 팀 절반을 복제하여 다음세대를 구성한다. 0-0으로 비긴 팀들은 모두 폐기하고 부족한 만큼 random으로 생성한다. Crossover 비율 : 70 % Mutation 비율 : 30%
Similar presentations
