本文研究Multi-Agent系统，众所周知，Multi-Agent系统及分布式人工智能已经成为当今人工智能领域研究的重点。Muli-Agent的基本问题是智能体之间的协调，可细分为单智能体设计、多智能体体系结构、多智能合作和通讯、自动推理、规划、机器学习与知识获取、认识建模、系统生态和进化等一系列专题，上述一系列问题中的大多数都在RoboCup中得到了集中的体现。 RoboCup是Multi-Agent系统的一个典型代表，它是国际上一项为提高相关领域的教育和研究水平而举行的大型比赛和学术活动，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与发展。RoboCup是Multi-Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是Multi-Agent系统研究的重要课题。 我们通过RoboCup平台，对Multi-Agent的知识领域做了一定的研究与实践，具体包括：在球队的技术上，结合UVA的底层技术，对一些中层及高层技术进行了扩充与改进，使用模糊增强学习的方法对Agent的踢球动作进行改进，使得Agent在更短的周期内获得期望的出球速度及方向，把遗传算法运用于截球技术，使截球效率得到提高；在球队的策略上，改进Agent的个体策略，使用影响图对前场球员的动作进行选择，设计多Agent的团队策略，使用三层的协作模型，引入静态与动态阵形概念，把角色运用于Agent，各司其职且要相互转换；在球队的设计上，我们在师兄球队的基础上进行升级，包括在Agent四层结构模型中添加警报机制，改进射门、传球等中高层动作，在代码编写中，对一些函数进行了删合调整、运用线程机制，使代码的执行效率更高。