本申請公開了一種基于值函數(shù)可信度的多智能體強(qiáng)化學(xué)習(xí)方法及相關(guān)裝置，方法包括基于各智能體的觀測值確定各智能體的勢能函數(shù)；基于各勢能函數(shù)確定局部值函數(shù)及候選全局值函數(shù)；基于全局環(huán)境信息、局部值函數(shù)及候選全局值函數(shù)確定若干信譽(yù)值；基于各局部值函數(shù)、候選全局值函數(shù)及信譽(yù)值確定全局值函數(shù)；基于全局值函數(shù)及各智能體的勢能函數(shù)，利用集中訓(xùn)練分布機(jī)制訓(xùn)練多智能體。本申請通過確定若干局部值函數(shù)可以學(xué)習(xí)到各智能體的局部環(huán)境信息，再結(jié)合若干局部值函數(shù)形成全局值函數(shù)可以提高全局值函數(shù)的精準(zhǔn)性，提高多智能體強(qiáng)化學(xué)習(xí)的收斂速度。同時，在計算全局值函數(shù)時為各局部值函數(shù)配置信譽(yù)度，提高多智能體強(qiáng)化學(xué)習(xí)的學(xué)習(xí)效率以及魯棒性。