随着人工智能技术和机器人技术的发展,多Agent系统(MAS)的研究已经成为人工智能领域的研究热点,特别是对如何组织和控制多个机器人来协作完成单个机器人无法完成的复杂任务的研究。RoboCup2D仿真比赛系统为多Agent系统的研究提供了一个良好的平台,在该平台上构建的的仿真机器人足球队就是一个典型的多Agent系统,每个仿真机器人代表一个Agent。本文以该平台为基础,运用相关理论知识和所设计的算法构建了一支仿真机器人足球队,重点研究了仿真机器人结构、仿真机器人基本动作、以及仿真机器人之间合作方法的设计。　　 本文的主要内容包括:　　 1.仿真机器人足球队整体结构的描述。球队的整体结构主要包括11个仿真机器人模块、世界模型信息获取模块、仿真机器人通讯模块、仿真机器人动作模块以及仿真机器人合作模块等几个组成部分。　　 2.仿真机器人结构的设计。机器人结构设计采用了基于层次模型的混合结构,将机器人的行为模块化,不同的行为模块属于不同的层。在程序实现上,采用了多线程的思想,不同的线程代表机器人不同的行为,利用线程的同步与互斥机制保证了机器人不同行为对共享资源的互斥访问,避免了由于竞争访问而导致读写数据冲突的问题。　　 3.仿真机器人基本动作的设计。传球动作的设计,提出了基于RBF神经网络和自适应遗传算法相结合的传球方法,用自适应遗传算法对RBF神经网络的结构参数进行优化,提高了RBF神经网络的学习能力和全局搜索效率；截球动作的设计,提出了基于过程分析的截球方法,过程分析法截球的特点是,在截球的过程中对球的位置进行动态预测,同时调整截球路线,提高了截球点计算的准确性；射门动作的设计,提出了基于概率分析的射门方法,将球门离散成由许多点组成,计算在每个点射门成功的概率,选取概率最大的那个点为最佳射门点,从而降低了射门风险。　　 4.仿真机器人之间合作方法的设计。提出了基于动态阵型和角色变换的合作方法,采用动态阵型可以应对多变的赛场局势,采用角色变换法则可以根据机器人的位置和机器人的体力等情况及时调整机器人的角色。基于动态阵型和角色变换的合作方法提高了仿真足球队的应变能力和灵活性。　　 最后对全文进行了总结,说明了主要的研究成果,同时指出了存在的不足和有待进一步研究的问题。