认知科学已成为21世纪智力革命的前沿，它是对人的大脑和智能进行研究的综合性学科，是研究人类感知和思维信息处理过程的科学。近年来发表的大量文献表示，认知建模技术已取得了重要的进展，许多新的思想被提出来，已经成为非常引人注目的领域之一。目前，认知模型虽然有很多种，但作为一种新兴的交叉学科，它还有很多需要改进的地方。本文在分析研究美国卡耐基梅隆大学认知软件ACT-R，密西根大学认知软件SOAR等模型以及技术报告基础上，针对目前在认知模型研究领域存在着各自研究各自领域的状况，研究了具有信念功能和感知模块的认知模型，通过综合ACT-R、SOAR和信念系统模型，提出了一个更加系统、具有信念功能的认知模型。该模型采用产生式和启发式搜索技术，具有感知、信念、推理、记忆、学习、行为等功能，与SOAR和ACT模型相比较，更强调了系统的结构合理性和全面性。知识存储在计算机中以后，如何在具体领域中，迅速找到相关的知识来解决问题，这就需要用搜索技术。结合通用认知模型SOAR，研究了启发式搜索的理论和算法以及产生式系统；主要内容包括，启发式搜索算法，启发评估函数的实现，衡量启发式搜索好坏的尺度和回溯算法的实现，并将产生式和启发式搜索算法在认知模型SOAR中进行仿真应用。人的感知行为由感觉、知觉开始，它是人的心理与行为活动的基础。目前绝大多数感知模型都是描述性模型，在为数不多的可计算模型中，早期的研究主要集中在产生式感知规则上，但是这种模型没有考虑事件、态势、规则的不确定性。因此，本文采用故障诊断的方法来观察环境，以乒乓球赛为特例，构造了一个体育比赛的通用感知建模框架，建立了一个以概率观察模型作为主体从外部环境中收集信息的接口。在比赛中有很多需要感知的技术属性，包括主体自己直接感知的、通过推理间接感知和队友或教练感知的属性，直接感知的属性可以通过导调控制系统直接获得，间接感知的属性的获得需要应用启发式搜索算法和产生式系统进行推理，主体先念的和其他主体感知的属性可以用证据合并方法组合在一起。经研究分析证明，该模型框架对于改进认知模型具有相应的学术价值。