RoboCup通过提供一个标准任务来促进分布式人工智能、智能机器人技术、及其相关领域的研究和发展。RoboCup仿真比赛提供一个完全分布式控制、实时异步多智能体的环境,通过这个平台,测试各种理论、算法和Client体系结构,在实时异步有噪声的环境下,研究多智能体的对抗问题。机器人足球的核心技术是人工智能技术,它的目地是使机器具有人的智慧,具有像人一样感知环境,向环境学习的能力。本论文主要是研究RoboCup仿真组比赛。机器人足球世界杯比赛(RoboCup)仿真组比赛是在一个标准的计算机环境内进行的。比赛的方式是由RoboCup委员会提供标准的Soccer Server系统,各参赛队编写各自的Client程序,模拟实际足球队员参加比赛。论文首先分析了机器人足球RoboCup仿真系统的设计与实现,然后着重研究了阿姆斯特丹UvA-Trilearn球队的Client端系统结构、程序流程,最后在此基础上进行程序设计,主要包括增加场景策略和评估函数等方法。在高层策略上研究了基于Markov决策过程的极大极小Q-学习方法,仿真结果表明该方法能较好的解决智能体间的对抗问题。本论文完成的主要工作如下:(1)研究整个RoboCup仿真比赛平台的系统构成与运行原理,这是设计RoboCup仿真球队的基础。(2)研究仿真足球机器人的基本动作,分析动作的特点。在此基础上,设计动作评估函数和增加场景处理策略。(3)在linux系统平台下用C++程序设计完成仿真比赛客户程序的编写,并运行调试。(4)研究Markov决策过程与强化学习算法,设计了基于极大极小Q-学习方法,及其在最短路径问题和RoboCup中的应用。仿真结果表明,该算法能较好的解决多Agent间的对抗问题。