近年来,机器人足球项目逐渐发展为人们研究人工智能理论和机器人学科的主要方向。由于实体机器人价格昂贵,而RoboCup2D仿真足球项目同时也包含了机器人足球的主要技术。RoboCup2D融合了多智能体决策、通信和信息获取等原理与技术,目前主要用手工决策和智能算法来解决球员智能体决策的问题。本文在对RoboCup2D仿真系统建模的基础上,重点研究机器人智能体的策略、协作决策和球队的阵型站位等内容,主要研究工作包括:（1）利用手工决策的方式对球队的攻防策略进行优化,提出一种多人防守和守门员防守策略以及三角进攻策略。多人防守策略是当对方处于进攻状态时,我方派出两名及以上队员去逼抢对方持球队员。守门员防守策略分为主动出击和预测球的位置。三角进攻策略是通过三名队友在适当位置的跑位配合来实现的,由一名核心进攻球员和两名辅助进攻球员组成三角进攻小组。将改进策略应用到球队中,并在Robo Cup仿真2D系统上与XUPL-LMZ、Wright Eagle、UVA等球队进行比赛测试,相比于初始球队Agent2Dbase获胜场次增加率为53.3%、70%和81.8%,验证了该策略的有效性和实用性。（2）针对球员之间动作协作决策效率低的问题,提出一种基于资格迹（Eligibility Traces）的Q-learning（η）算法的进攻与防守协作机制。主要通过设计球员在球场不同区域的状态变量、动作函数和奖惩值来加快球员Agent学习达到稳定状态的速度,同时解决了球员传球和截球效率低的问题。其中动作函数包括核心进攻球员、普通防守球员以及守门员,奖惩值包括球场基础奖惩值和球员之间的奖惩值。将三种算法Q-learning（η）、Q-learning、Sarsa应用到RoboCup2D中进行学习对比,球员的传球成功率相比于初始球队分别提高了16%、9%、6%,球员的截球成功率分别提高了13%、8%、6%。仿真实验证明了Q-learning（η）算法收敛速度较快,并可有效提升球员Agent的攻防协作决策能力。（3）针对Fedit2阵型编辑器不能从整体和对比的角度去分析场上球员在球场中不同区域的站位,提出利用Petri网理论模型来对阵型进行建模分析。重点通过双方球员的持球情况和球在球场中位置建立并分析阵型转换的Petri网模型,由于球队守门员选用的是静态分区的方式,即守门员的站位与阵型的变化无关,因此单独对守门员的站位进行Petri网建模。最后用可达图和仿真软件HPsim对Petri网模型的各种特性进行分析,从理论和仿真方面验证了所建阵型转换和守门员站位模型结构的正确性,并在RoboCup2D比赛中进行测试,通过与初始球队使用的Delaunay三角剖分方法相比,加入Petri网分析阵型的球队的传球次数增加,场均丢球数减少,最后通过球员的跑位数据对比进一步验证了Petri网模型对球队阵型分析的高效性。