RoboCup(机器人世界杯足球赛)是国际上规模最大、影响最为广泛的机器人足球赛事，它是人工智能和机器人研究的一种集中体现。在RoboCup的仿真环境下，机器学习的很多方法都可以得到检验。作为人工智能和机器人学新的标准问题，机器人足球受到越来越广泛的关注。本文使用仿真机器人足球作为研究机器学习算法应用的载体，基于Agent和机器学习的理论，围绕Agent个体的基本动作及Agent个体高级动作的决策问题展开研究，主要研究内容和成果如下：1．将强化学习的方法引入到Agent踢球动作中，实现了把球加速到指定的出球速度的目的；在简化条件下采用BP神经网络的方法拟合Agcnt踢球力量和速度的关系，以便应用到简单的踢球动作的选择中。2．改进现有的神经网络的截球方法，构造出一种新的基于BP神经网络的截球动作模型，并将该模型直接应用到传球的判断中，实现了传球路线的选择；将RBF神经网络引入到射门模型中，根据强化学习和BP神经网络结合的思想提出了一种新的基于前向神经网络的Q学习的算法，较好的实现了射门模型。