程泽凯，陈梅，秦锋

(安徽工业大学计算机科学与技术学院，安徽马鞍山243032)



基于密度峰值聚类的阵型识别算法

程泽凯，陈梅，秦锋

(安徽工业大学计算机科学与技术学院，安徽马鞍山243032)

摘要：针对RoboCup2D足球仿真中阵型识别问题，提出了使用一种基于密度峰值聚类的机器学习算法来识别阵型。该算法是根据坐标点与坐标点之间的距离计算与第i个点之间的距离小于截断距离的个数，并对个数进行顺序排列，寻找被低密度区域分离的高密度区域，得到聚类中心。算法核心是对聚类中心的刻画以及数据的选取。聚类中心本身的密度大，被密度均不超过它的邻居所包围，与其他密度更大的数据点之间的“距离”相对更大。对有效数据进行聚类的仿真结果表明，该算法将数据聚类成3类，通过阵型读取显示文件证实了聚类结果的正确性,同时也印证了对球队中前锋、中锋、后卫的区域的定义。

关键词：RoboCup2D；阵型；密度峰值聚类；机器学习

在RoboCup2D足球仿真比赛中，每个“队员”都对应一个智能体，即“agent”，同时该比赛也是一场由多个智能体协作的比赛[1]。因此，在多智能体系统中，智能体之间的协作是非常重要的，那么智能体协作的策略也是决定比赛胜负的一个关键因素[2]。

另外，在多智能体仿真比赛系统中，比赛是实时的、动态的、连续的以及非确定性的。对于每个球员来说，在不确定的球场信息中，很难做出一个相对正确的决策，只能考虑多个球员之间的协作关系，而多球员之间的协作关系在宏观上反映出来的便是阵型[2]。……