足球机器人系统是一个集环境感知、动态决策、行为控制、行为执行的大系统,是机器人学与人工智能的一个结合点。路径规划及对抗决策是足球机器人决策系统的重要组成部分,路径规划以找到一条最优路径为目标,完成动态及静态避障,决策算法通过约简算法能够及时、快速的进行足球机器人对抗策略和协同合作策略的选择。本课题主要以足球机器人比赛为背景,应用改进人工势场法和粒子群智能算法对足球机器人路径规划进行了研究,并应用综合粗糙集理论算法对其对抗策略进行了研究。首先,应用传统人工势场法的路径规划中,障碍物在目标点附近时,出现足球机器人不能到达目标点问题或者局部极小值问题;应用基本粒子群算法的路径规划中,足球机器人可以到达目标点,但出现算法早熟、收敛性差等问题,避障效果欠佳,因此对二者算法进行了改进。针对传统人工势场法在路径规划中出现的目标不可达及局部极小值的问题,引入机器人和目标点相对距离的势场函数法,并通过改变合力来改进人工势场法;针对粒子群算法在路径规划中出现早熟、收敛性差等问题,引入了特定环境下的适应度函数和安全度约束函数来改进算法;针对粒子群算法的避障效果不明显问题,应用非线性动态惯性权重递减规律改进算法。改进人工势场法的路径规划中,足球机器人能顺利躲避障碍物到达目标点,但参数设置不当时,其路径不是最优问题突出;改进粒子群算法的路径规划中,机器人不但能顺利躲避障碍物到达目标点,还能够实现路径最短,避障效果较好,但学习因子设置不当时,避障效果欠佳。加入自适应后,改进粒子群算法的足球机器人路径规划,自主学习完成对学习因子值的选取,在面对移动障碍物各个方向的拦截以及追及目标点时,都能够实时的避障,效果明显。对改进后的人工势场法和粒子群算法的路径规划进行实验仿真对比,证明了粒子群算法在收敛性、精确性以及路径最短方面优于人工势场法。其次,在基本粗糙集知识的支撑下,将动态环境下影响足球机器人动作执行的各种因素,建立为假定战术下的足球机器人决策系统的决策表,其中的冗余因素通过属性约简来删除掉,从而建立一个最简决策库供足球机器人来调用。虽然在基本粗糙集理论的学习下能够约简完备条件下决策系统,然而在赛场上动态的环境下有可能会出现部分数据整体缺失或是部分条件属性值缺失的情况,形成不完备条件下的决策系统。应用基本粗糙集理论约简部分数据整体缺失情况下的决策表,对约简后的最简决策表与原决策表进行比较,并对提取的规则进行可靠性分析;应用引入粗糙熵及属性重要度的改进粗糙集算法,对部分条件属性值缺失情况下的决策表进行约简、规则提取及可靠性分析。