一等奖方案|GoBigger决策智能挑战赛@logic队解题思路分享

最新推荐文章于 2024-09-19 21:18:54 发布

DataFountain数据科学

最新推荐文章于 2024-09-19 21:18:54 发布

阅读量382

点赞数

文章标签：人工智能机器学习数据挖掘大数据 python

本文链接：https://blog.csdn.net/DataFountain/article/details/126372077

版权

今日分享：Go-Bigger多智能体决策智能挑战赛一等奖获奖方案

分享团队：冠军队伍-logic队

赛题名称：“AI球球大作战：Go-Bigger多智能体决策智能挑战赛”

赛题地址：https://www.datafountain.cn/competitions/549

获奖团队简介

Logic团队照：左到右依次为方苑也、张逸冰、周鹏

张逸冰（逻辑串行，队长）：成都国翼电子技术有限公司运筹优化算法工程师，电子科技大学物流工程专业2020届硕士毕业生，技术方向主要为运筹优化算法的设计与实现，包括优化模型建立，优化算法开发等。挑战赛主要负责方案的设计、实现和效果论证。(55%)

方苑也（逻辑并行，队员）：成都国翼电子技术有限公司深度学习算法工程师，帝国理工学院控制系统与工程专业2020届硕士毕业生，技术方向主要为深度学习算法的研发和应用，包括模型设计、数据构造与性能提升等。挑战赛主要负责任务定义、部分方案实现和效果论证。(25%)

周鹏（逻辑叉行，队员）：成都国翼电子技术有限公司深度学习数据工程师，四川大学工程造价专业2016届本科毕业生，技术方向主要为深度学习算法模型训练、开发、调优、测试和数据处理等。挑战赛前期主要负责深度强化学习方案研究探索，中后期协助进行 rule-based 算法方案优化与完善。(20%)

整体方案介绍

对于 Go-Bigger 游戏环境之中的多智能体对抗情景，分析游戏空间设计，对多智能体博弈任务进行解耦，以天梯系统匹配对局中队伍获取更高质量为目标，任务分解定义为智能体的发育、防御、进攻和合并/协作四方面的决策算法开发。

算法解决方案核心为移动机器人路径规划算法中的人工势场法：将智能体视为势力场影响下的质点，被视野内的食物球、荆棘球和孢子球吸引靠近，同时受到敌方智能体排斥远离，最终根据引力势和斥力势之和完成智能体的基础路径规划。按照任务定义，优化完善智能体决策逻辑，进一步序列化动作组合。
设计流程/思路

设计思路/流程

实现细节

进攻模块

在竞争过程中，由于大球速度总是小于小球，难以通过追逐的方式进行进攻，因此使用分裂动作达到进攻的目的。

进攻条件：

我方当前分身球数量小于16

分裂后的分身球半径大于敌方半径

分裂后的位置能够覆盖敌方中心点

分裂后不会因为碰撞到荆棘球而被吃

保证进攻后的收益大于风险

二次进攻条件：

确保能分裂两次

两次分裂后的分身球半径大于敌方半径

分裂后的位置能够覆盖敌方中心点

第一次分裂后不能碰撞到荆棘球

两次分裂的过程中收益大于风险

防御模块

基于人工势场法，当敌方可能对我方产生威胁时，产生斥力，距离越近斥力越大。遍历视野内我方和敌方所有的分身球，计算斥力总和。若总斥力达到一定范围，则触发躲避策略，向斥力方向移动。

斥力场计算依据：

若敌方半径小于我方，或距离较远时，不产生斥力
若我方小球受附件大球保护（敌方进攻会被我方反吃），则不产生斥力
斥力大小与敌我距离及半径比例相关，同时与当前球占我方总分比例相关
若处于敌方进攻范围内，增大所受斥力
若敌方吃掉我方后，还能继续攻击附近我方分身球，则增大所受斥力判断

合并/协作模块

在发育过程中，荆棘球能够使我方获得更大收益，同时分裂出多个分身能够提高发育效率，但在与敌方竞争的过程中，质量过于分散容易导致敌方联系进攻，因此需要进行合并操作来聚集我方分身球。

自身合并（中吐）条件：

合并后能够进攻附近的敌方
我方分身球数量较多，且尾部部分分身球半径大于某一范围（官方中吐策略）
我方最大分身球质量占比低于某一范围
合并序列完成，但合并流程并未完全结束（合并到一半后无法继续触发合并条件）

队伍合并（协作）：

同一个队伍的多个智能体，若能够将队伍的质量进行聚集，将能够有效增大进攻敌方的机会，且不同的分工也能提高队伍的发育效率。
刻意进行队伍合并反而会在寻找队友的过程中增大潜在的危险，同时也会降低发育的效率。
算法采用佛系协作策略，当且仅当有较近的队友时，放弃发育去跟队友合并，从而保证自身发育的同时起到多智能体协作的作用。

发育模块

基于人工势场法，让周围的食物球（包括孢子球和荆棘球）产生引力。食物球半径越大，距离越近，则相应增大引力。选择与引力合力方向接近且距离最短的食物球，作为下一步的移动目标。

发育策略计算流程：

遍历我方分身球及附件所有食物球：

if 当前食物球半径小于分身球半径：

二者距离较远时不产生引力，距离较近时产生斥力

else:

根据两者相对位置及食物球半径计算引力并更新所受合力

遍历我方分身球及附件所有食物球：

更新我方分身球吃掉该食物球后所处位置

调用斥力计算模块获取与上述位置所受斥力

if 所受斥力大于某一范围：

不考虑当前食物球

else:

计算该食物球方向与引力方向的偏差及到达所需时间

更新方向偏差与到达所需时长最少的食物球作为目标方向