本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的變化環(huán)境多智能體控制方法與裝置，包括：將當(dāng)前環(huán)境信息和各個(gè)智能體的隱含狀態(tài)輸入到智能體網(wǎng)絡(luò)，得到智能體網(wǎng)絡(luò)輸出的各個(gè)智能體的觀測(cè)動(dòng)作價(jià)值；觀測(cè)動(dòng)作價(jià)值用于表征對(duì)應(yīng)智能體當(dāng)前執(zhí)行所有動(dòng)作的預(yù)估價(jià)值；基于各個(gè)智能體的觀測(cè)動(dòng)作價(jià)值，控制各個(gè)智能體執(zhí)行動(dòng)作；其中，智能體網(wǎng)絡(luò)是基于樣本環(huán)境信息和樣本智能體的樣本隱含狀態(tài)，聯(lián)合自加權(quán)網(wǎng)絡(luò)進(jìn)行強(qiáng)化學(xué)習(xí)得到的；自加權(quán)網(wǎng)絡(luò)用于確定所有樣本智能體執(zhí)行動(dòng)作的聯(lián)合動(dòng)作價(jià)值；在強(qiáng)化學(xué)習(xí)過程中，自加權(quán)網(wǎng)絡(luò)的輸入包括智能體網(wǎng)絡(luò)輸出的所有樣本智能體的樣本觀測(cè)動(dòng)作價(jià)值。本發(fā)明提供的方法與裝置能夠避免變化環(huán)境中智能體數(shù)量動(dòng)態(tài)變化對(duì)訓(xùn)練過程的影響。