本文针对多智能体的协作策略,探讨了多智能体协作策略在机器人足球仿真比赛中的应用。在比赛中,每个智能体(球员)都具有定向跑步、带球、传球、接球、避碰等个体技能。这些智能体通过任务分解、多级学习、动态角色分配等实时策略,构造球队的站位、队形和队员的行为模式,以实现球队在比赛过程中的协调。本文从以下方面进行阐述:首先,介绍了多智能体系统理论及其应用,回顾了国内外各个优秀研究机构在该领域的发展状况,并据此制定了本课题研究的基本方针;随后,详细介绍了足球仿真平台的各种特性,包括感觉模型、位移模型、动作模型、异构球员和比赛模式等,并说明了新版本对旧版本的修正。其次,研究了机器人足球仿真比赛中智能体的体系架构。在智能体的系统分析中,先用结构化模型划分了智能体系统的层次和模块,并确定了各个线程和各个模块的关系,然后从面向对象的角度,分别用UML类图和序列图描述了智能体系统各模块之间的关系;在智能体的系统设计中,根据系统分析阶段提出的系统架构,设计了基于PV操作的多线程协作策略,使智能体更能适应比赛环境的要求。再次,从智能体的视觉、听觉和视/听觉融合等角度,针对其存在的局限性,提出了智能体的视觉模型的改进策略、智能体间的通信策略和信息融合策略,实验表明本文所提出的策略极大地增强了智能体获取信息的能力。然后,提出了多智能体之间协作的宏观策略,并用形式化的方式说明了球队宏观策略和球员微观行为间的关系,根据所指定的宏观策略,用静态和动态两种方法,从阵型、角色分配和动作选择三个方面实现了对智能体的行为控制,并通过了实验说明了各种方法的优劣性。最后,提出了本文的创新点,介绍了球队在参加RoboCup China Open2007比赛的具体情况,总结了比赛中球队存在的不足之处,并提出了日后球队研究发展的方向。