机器学习是近年来兴起的一门多领域交叉学科,其涉及到统计学、概率论、凸分析、逼近论和算法复杂度理论等多个学科。在机器学习理论中主要涉及到设计并分析一些可以让计算机具有自主学习能力的算法。而机器人足球比赛是目前机器人研究中的应用课题之一,其涉及到了人工智能、智能控制和图形图像处理等多个领域。机器人足球比赛具有实时性、分布性、异步性、动态性等特点,它是一个标准的分布式人工智能研究平台。对机器人足球比赛进行模拟仿真不仅可以节省资金,而且方便人们研究算法的性能。增强学习不需要先验知识,实体可直接通过与环境进行交互获取知识并修正行为策略,这些特性使增强学习在机器人足球比赛中获得了广泛应用。本文研究基于增强学习的机器人足球比赛算法和仿真,主要工作如下:1,分析了增强学习的基本原理,着重研究了 Q-Leaming算法、瞬时差分算法和SARSA算法。在此基础上,结合机器人足球比赛的特点,提出了一种改进的SARSA算法。2,分析和搭建了机器人足球比赛的仿真软件平台MSRS,对仿真中的增强学习算法进行了奖励函数和行为函数的设计,并讨论了行为选择方法和状态离散化等问题。3,对改进的SARSA算法在机器人足球比赛的单实体环境下进行了仿真分析,在此基础上,比较了 SARSA和改进的SARSA算法在多实体环境之中的性能,仿真结果表明,改进的SARSA具有更多的智能体控球时间。论文通过机器人足球比赛仿真平台,研究了增强学习算法,仿真结果表明,应用增强学习算法可以更好的制定机器人足球比赛的策略。