RoboCup意为机器人世界杯比赛,是一个规模较大、影响较广的国际性学术竞赛活动,其中仿真2D比赛项目已经成为研究人工智能理论及相关算法较为理想的平台之一。目前,国内外诸多球队应用程序是以开源底层为基础进行优化和改进而成,因此,球队的优化效果将直接决定其比赛成绩。以使用较为广泛的Agent2D底层为例,其实现程序约为5万余行,状态空间庞大,随着多年的改进和研发,开发者对其深入优化越来越困难。为了解决该问题,本文在安徽工业大学YuShan队近年来优化工作基础上,通过借鉴“数字孪生”思想,提出仿真2D平台下的数字孪生框架理论,并通过该框架理论针对性地指导球队优化,取得了较好优化成果。本文主要研究内容如下:第一,简要介绍RoboCup仿真2D的发展历程、比赛平台机制以及国内外各球队的概况和优化研究,并对安徽工业大学YuShan队的Binary优化工作进行详细介绍、分析与总结。提出仿真2D平台数字孪生框架理论。第二,阐述仿真2D平台数字孪生框架的内涵。并构建以物理层、信息层、数字孪生层为支撑的框架体系:物理层通过管理、执行球队Binary,将执行Binary后所产生的RCG和RCL等比赛日志文件进行保存。信息层通过日志文件进一步提取球员基础数据,并将之以XML格式保存和管理。数字孪生层通过机器学习算法挖掘球员基础数据,并最终建立球员画像。同时,该层内反馈体系向物理层反馈球员画像数字特征,从而为Binary的优化提供指导。最后,本文以仿真2D平台数字孪生框架为指导,研究了球队攻守态判定优化问题的解决方法,找出了优化攻守态判定的关键因素,为开发者指明了Binary的可优化途径。为评估该方法,将球员画像内数字特征处理为数据集,采用朴素贝叶斯分类器进行分类作业,得出准确率,并稳定在85%左右。验证该优化方法的实用性和仿真2D平台数字孪生框架指导的有效性。