多智能体协作是目前分布式人工智能领域的一个重要的研究热点。RoboCup仿真组的比赛是研究多智能体协作问题的一个标准的理想平台,它模拟了人类足球比赛,要想在这个复杂的多智能体环境中赢得比赛胜利,必须要经过智能体之间的协作。本文在仿真球队的设计中,应用学习、预测技术设计了多智能体的协作策略和模型,主要研究工作有：首先,针对智能体之间协作策略的问题,提出了基于多维CMAC网络的多智能体Q学习算法。该算法通过对传统动作的学习增加智能体之间的协作,并在传统Q学习的基础上,采用了CMAC网络来储存每个动作的Q值表,该方法不仅提高了Q学习的泛化能力,而且提高了学习速度和精度,并将该方法成功的运用到RoboCup中多智能体协作的离线学习中,解决了RoboCup中的一个典型的子问题：2VS1问题。其次,针对智能体数目较多的时候,为了提高多智能体的整体协作能力,提出了一种基于行为预测的多智能体协作模型,使协作模型设计简单、反应速度快、适应性好和智能度较高,通过对行为预测和动作预测的结合,提高多智能体的协作能力。采用基于行为预测法的协作模型运用RoboCup仿真组比赛中,实现了球队的协作决策。最后,针对多智能体的整体设计依靠人工实现的复杂性,以及预测的准确度对协作策略的形成影响较大的原因,在预测模型中加入了学习模块,提出了基于预测的Q学习方法,它结合了Q学习算法和预测技术,提高了智能体的在线学习能力。并将该方法运用到3VS4的试验中,验证了它的有效性。通过在仿真球队中应用实践,验证了论文提出的多智能体协作策略和模型的有效性。