机器人足球比赛逐渐成为当前人工智能研究的热点之一,作为多Agent系统的一种理想的试验平台,它涉及多个技术领域。目前RoboCup机器人足球世界杯是国际上规模最大且具有很大影响力的机器人足球赛事。　　本文基于多目标优化理论和佳点集理论,提出了基于佳点集的小生境Pareto遗传算法,并将其应用到对机器人仿真球员的决策模块的设计与优化中。　　一般说来,科学研究与工程实践中许多优化问题大都是多目标优化问题。多目标优化问题中各目标之间相互制约,对其中一个目标优化经常要降低其它目标性能,因此很难客观地评价多目标问题解的优劣性。　　在RoboCup中,机器人球员的决策层,决定了球员的行为,而评价这些行为的优劣,一般有几个指标。这些指标之间常常是冲突的,对决策层的设计和优化工作因此变得复杂。本文将球员的决策层的属性设计和优化,看作一个多目标优化问题。　　多目标遗传算法是一种很好的求解多目标优化问题的工具,NPGA(小生境Pareto遗传算法)是其中比较有代表性的一种,本文对其做了一些改进:对佳点集遗传算法的算子做出适当的改动,使其适用于多目标优化问题,然后将其引入NPGA,实验验证了改进后的算法具有更好的性能。提高了NPGA求解的效率和精度,有效地避免了“早熟”现象。　　然后,将改进后的基于佳点集的NPGA应用到机器人球员的决策层设计中,取得了较好的效果。　　本文的重点主要几种在以下几个方面:　　?简单介绍了RoboCup的背景;　　?介绍了多目标遗传算法,重点介绍了其中的NPGA算法;　　?介绍了佳点集遗传算法;　　?将佳点集算子引入npga算法,试验验证了性能的提高;　　?将上述算法用于机器人球员的决策模块的设计过程中。