多智能体系统(multi-agent system,MAS)研究已经成为了分布式人工智能(distributed artificial intelligence,DBI)的研究热点,并在机器人、人工生命和知识获取等方面获得了广泛研究。RoboCup救援仿真系统(RoboCup Rescue Simulation System,RCRSS)是属于典型的MAS。在RoboCup救援仿真系统中,救援智能体面临着灾难环境未知且实时动态变化、通信及救援所需资源有限等诸多难题。本文将多智能体系统相关理论应用于RoboCup救援仿真系统中,包括基于同心圆截割的地图自动匹配识别方法、弱通信条件下的信息共享机制以及基于博弈论的多智能体任务分配方法,主要工作和创新点如下:首先,识别救援仿真系统所采用地图是针对不同地图作出相应优化措施的基础,可以大大提高救援智能体的救援效率。本文采用同心圆截割法自动匹配识别模拟地图,这种方法不仅匹配准确率较高,而且具有鲁棒性、抗边界干扰能力强等优点,可以广泛应用于其它形状识别匹配的领域。其次,为了解决在弱通信条件下的信息共享问题,本文设计了一种结合救援智能体团队分区问题的信息共享机制。分区内,智能体基于模糊决策模型向附近智能体传递自身的信息;分区间,智能体通过定期在集结地集合的方法来互相共享信息,从而在整个灾难环境的层面达到共享信息的目的。最后,将博弈论引入到救援仿真系统的任务分配当中。任务分配是多智能体协作的核心问题,决定整个多智能体系统的问题求解能力。基于博弈论的任务分配方法,可以很好适应RoboCup救援仿真系统的实时动态、智能体数量较大、待求解任务复杂等诸多挑战。