智能体(Agent)及多智能体系统(Multi-AgentSystem，MAS)的理论与应用是计算机科学的研究热点之一。RoboCup(RobotWorldCup)，即机器人世界杯足球锦标赛在实时异步，有噪声的对抗环境下，研究多智能体的决策和合作。其中仿真组融合了多智能体的合作与对抗，智能控制等多学科内容，是研究多智能体系统的优秀平台。所以，本文以RoboCup仿真组为平台，研究复杂环境中的多智能体决策。 在RoboCup仿真中，每个球员都是一个独立的智能体，球员之间通信带宽低且不可靠，如何让一支球队的多个智能体相互合作、做出配合默契的决策，是当前国内外研究的难点。针对这一难点，本文提出了基于外部策略库的MAS决策方法：首先通过分析RoboCup比赛特点并结合人类足球经验知识，设计一系列策略；然后定义一种形式化语言--RSSL(RoboCupSimulationStrategyLanguage)，利用RSSL语言来描述各种策略从而构建RoboCup外部策略库；最后在智能体程序中设计与外部策略库的接口，利用外部策略库中的各种策略来指导智能体的决策。 基于外部策略库的MAS决策方法具有一系列优点：使用RSSL语言可以方便地设计、描述各种多智能体策略，充分利用人类启发式知识来指导智能体的决策；将各种策略以外部策略库的形式组织起来，和智能体程序代码分离，使得研究人员可以方便地增加、删除、修改策略，而且也方便了对智能体程序的维护；同时，基于外部策略库的MAS决策方法还具有决策速度快的优点。 本文设计了一个RoboCup仿真球队，并在其中实现了基于外部策略库的MAS决策方法，实验数据表明，该方法能显著促进多智能体合作、提升智能体的决策水平。本文作者还将基于外部策略库的MAS决策方法应用到了南京邮电大学RoboCup仿真球队Apollo队中(本文作者也是Apollo球队的主要研发者)，由于采用了该方法，Apollo队在2007年RoboCup中国公开赛中战绩优异，并获得了全国一等奖。