19、3D 足球模拟优化工具与类人机器人双足行走控制

3D 足球模拟优化工具与类人机器人双足行走控制

3D 足球模拟优化工具

在 3D 足球模拟中，优化工具的开发至关重要。其工作逻辑顺序如下：先介绍优化所需工具，接着通过模拟类人机器人进行案例研究，再展示研究结果，最后总结并提出未来工作方向。

优化所需工具

• 进化策略 ：选择协方差矩阵自适应进化策略（CMA - ES）作为优化基础。与其他进化策略相比，当研究对象是具有许多相互依赖变量的系统时，CMA - ES 更高效。还可调整初始参数，在收敛速度和陷入局部最优的倾向之间寻求平衡。使用 Python 包目录（PyPi）中的 pycma 开源库来实现该进化策略，原因是其功能丰富且有众多贡献者持续更新。该库的主要函数是 ask 和 tell，ask 函数返回用于下一次模拟的多维数组值，tell 函数可返回每个值的适应度，即衡量机器人在实施参数下表现的数值。
• 并行计算控制 ：选用 Dask 软件进行优化工作流控制，它负责确保所有并行模拟在不同处理单元上同时进行。Dask 是用 Python 编写的开源库，能自动组织和并行执行工作流，还有在服务器上实现并行计算的工具和用于查看任务的仪表盘。优化工具具有高度灵活性，可根据用户需求用其他迭代优化方法替换 CMA - ES 算法。
• 错误预防 ：DevCloud 服务器有等待列表和任务最大时间限制，模拟服务器和模拟代理也可能出现故障。为防止优化突然中断导致工作丢失，采用 Python 中的开源 pickle 库，它可将对象序列化为字节序列并保存到文件。在固定数量的 ask/te