足球机器人系统是一类典型的多移动机器人合作的对抗系统，具有实时性要求高、环境高度动态、存在不可预测状态等特点，并将高科技研究和足球联系在一起，通过足球比赛来检验各种理论、方法和技术。机器人足球比赛已受到人工智能和机器人相关领域学者的广泛关注，并逐渐成为一个标准问题。本文以FIRA小型组3vs3机器人足球系统为平台，主要研究了足球机器人决策子系统中的运动规划问题。 目前，足球机器人领域主要采用的运动规划算法是人工势场法、遗传算法以及最短半径法等。针对以上几种算法存在的缺陷，本文进行路径规划时主要做了以下几项工作： 1.本文给出足球机器人的运动学和动力学模型，明确了机器人小车的三个状态空间分量。 2.本文在介绍人工势场法和遗传算法的理论以及优缺点的基础上，给出了用遗传算法规划人工势场以实现最优控制的方法。 3.本文用遗传算法来优化人工势场法中设定的四个参数。首先，把参数组成染色体并对其进行编码；然后，随机产生一个初始种群，给出适应值函数；最后，通过选择、交叉和变异操作得出适应值最高的一条染色体，由此确定最优的一条路径。 4.本文在MiroSot3vs3足球机器人平台上进行实验，通过实验对比验证证明此方法的有效性。 另外，本文针对足球机器人决策子系统进行了设计。在这一部分，本文根据足球机器人的控制体系结构的特点，将其归入三层递阶决策模型中，并对每一层的组成及作用进行了详细的论述。最后，本文针对分层结构模型的特点，设计了诸如守门动作、开球动作等具体动作，并给出了相应的程序及其控制界面。