机器学习是当前涉及人工智能、机器人学、人工神经网络等学科的一个非常活跃的研究与应用课题,在工业、医疗、军事、体育等行业都具有很好的应用前景,将成为对社会发展产生深远影响的关键技术。机器学习的方法有很多,常见的学习算法有强化学习算法、人工神经网络算法、贝叶斯学习算法、决策树学习算法等。高效和快速训练出适应性较强的结果,是机器学习的重点和难点。出于对反应快、效率高、适应性好的考虑,本文提出了一种基于价值的学习方法并将此方法应用到了RoboCup2D平台中取得的很好的效果,主要的工作如下:(1)提出并解释了一种新的学习方法——基于价值的机器学习方法LBA(Learning based on Axiology)。LBA是根据人类价值观的思维方式被设计出来的,首先将世界模型(worldmodel)分为若干因素(factor)的组合,将这些因素与某种决策行为组合通过价值观修正函数产生出价值。然后通过价值的大小来取舍行为。(2)阐述了一种实用性很高的目标跟踪法——基于无关区域排除的目标跟踪EIA(Target Trace Algorithm based on Excluding Irrespective Area)。EIA是一种基于行为概率的目标跟踪。它定义了目标Agent的可信度(Agent Confidence)和区域可信度(Area Confidence)并通过比较两者的差异来更精确的对目标进行跟踪和定位。(3)把价值学习和无关区域目标跟踪结合应用到RoboCup2D中,设计并实现了出一个基于视觉的决策模型。经过大量的实验,从对场上动态物体的定位精度、传球成功率、决策行为匹配度和比赛成绩四个方面证明了该视觉决策模型的有效性。