当前,随着计算机网络技术的迅速发展,计算机快速转向开放的、网络平台的、协同工作方式。基于Agent理论和技术尤其是MAS(Multi-Agent Systems)的理论和技术带来了设计和实现分布与开放环境中运行的软件系统一个全新模式。机器人世界杯足球赛(The Robot World Cup,简称RoboCup),是典型的MAS,是MAS标准问题。在RoboCup中,路径规划的目的主要是为了在充满对抗的赛场上规划出一条满足某项评价指标的无碰撞路径。路径规划主要应用于机器人底层策略中,作为足球机器人基本动作实现的基础,他的优劣将直接影响动作的实时性和准确性,因此,每个足球机器人研究人员都把它作为一个研究重点。论文通过分析传统的机器人路径规划方法,将足球机器人路径规划归结为一个多目标优化问题,总结了足球机器人体力的三元组模型,并且建立的动态目标路径规划的运动模型,并给出了基于惩罚函数的小生境遗传算法(PNPGA,Penalty Function Niche Pareto GeneticAlgorithm)的路径规划算法。论文的主要工作及创新点是:(1)论文详细的分析了SoccerServer中关于足球机器人体力的部分,提出了足球机器人体力的三元组模型:球员体力使用的效率、球员的体力的恢复速率、路径规划所需时间。并且将体力作为多目标优化中的一个目标。(2)论文提出了一种针对移动目标进行路径规划的运动模型,并且结合足球机器人的体力模型,利用惩罚函数和小生境遗传算法进行多目标优化。(3)在详细分析遗传算法以及小生境遗传算法(NPGA)的基本理论以及NPGA的三种标准实现方法的基础上,论文在NPGA中引入一个惩罚函数,这样可以保证在一个小生境内只有一个最优值,防止收敛于局部最优解,加快了算法的收敛的速度。