仿真系统中的智能体决策过程是人工智能领域的一个重要的问题,人工智能领域的很多研究成果都可以应用于不同的仿真系统的智能体控制中,并得到良好的效果。但同时,不同的仿真系统都存在着各自的特点,有的仿真系统对实时性的要求较高,而有的仿真系统更加重视智能体的预测能力,所以,针对不同的仿真系统选择不同的人工智能方法,同时根据仿真系统的特点和要求对相应的方法进行改进,也成为时下的一种研究方向。本文首先针对短道速滑技战术仿真系统中对于实时性要求较高的特点,选择了反应式agent系统作为智能体决策过程的框架,并根据马尔可夫决策过程对框架进行了抽象,形成了数学表述的模型,极大的方便了本文中对于智能体决策过程的方法的选择以及改进。根据决策模型的设计,本文首先选择决策树作为智能体决策过程中智能体逻辑推理的方法,并引入战术驱动机制满足短道速滑技战术仿真系统中对于智能体具有个体差异性的要求。考虑到仿真系统还要求智能体能够模仿特定的高水平运动员的滑行特性和决策习惯,本文选择人工神经网络来实现智能体的决策差异性。程序中通过人工控制方式获得包含有某运动员的滑行特性和决策习惯的样本,然后训练样本获得人工神经网络的权值,智能体便可以根据权值文件的差异性体现出决策的差异性。将本文提出的决策树方法和人工神经网络方法应用于仿真系统的智能体决策过程中,获得的较好的效果。首先,智能体能够保证在不出界、不犯规的情况下完成比赛,其次,智能体的决策结果具有明显的差异性,最后,在与人为控制的运动员对抗的比赛中,智能体具有相当的挑战性。