机器人研究涉及人工智能、计算机视觉、自动控制、精密仪器、传感和信息等一系列学科,而RoboCup( Robot World Cup,机器人足球世界杯)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。与实物机器人相比,仿真机器人具有投入少、试验周期短等优点。　　本论文主要在分析RoboCup上的研究成果基础上,着重介绍了在设计和实现 Tlu2011球队程序时采用的技术及运用机器学习方法进行球员Agent训练的方法。　　论文主要工作如下:　　( l)首先分析 RoboCup在人工智能中的研究意义,并回顾了RoboCup的发展历史,对该赛事进行介绍。　　(2)对 RoboCup中的对象及其模型予以描述,这也是建立仿真球队的基础。　　(3)使用分层方法,构建Tlu2011中的Agent,对各个模块的功能和模块间的通信手段进行了分析和说明。　　(4)对球员的底层动作的实现进行解释。另外从阵型、在线教练和异构球员等角度充实了球队的整体水平。　　(5)针对球员的传球和防守方面的技术进行训练,以此提高球员的比赛能力,主要使用改进的 BP神经网络算法进行,从实验结果来看,取得了一定的效果。