本發(fā)明公開了一種基于動態(tài)層級通信網(wǎng)絡的多智能體強化學習方法及系統(tǒng)，方法包括：S100，編碼當前時刻觀測信息和歷史信息，獲得當前時刻觀測特征和依賴特征，并進行預決策；S200，基于注意力機制，根據(jù)預決策信息與觀測特征，獲取依賴矩陣；S300，基于最小生成樹算法，動態(tài)生成層級關系網(wǎng)絡并進行選擇性有向地通信，生成聯(lián)合決策并與環(huán)境交互，收集經(jīng)驗數(shù)據(jù)；S400，基于線性值分解網(wǎng)絡，為每個智能體分配狀態(tài)?動作值函數(shù)，更新智能體策略網(wǎng)絡；S500，基于內在獎勵機制，根據(jù)演員?評論家框架更新層級網(wǎng)絡參數(shù)。在該方法中，多智能體利用動態(tài)生成的層級通信網(wǎng)絡進行選擇性的觀測信息和意圖信息共享，基于條件狀態(tài)?動作值分解網(wǎng)絡和內在通信獎勵，減少環(huán)境的非穩(wěn)態(tài)問題，并對聯(lián)合策略及層級通信協(xié)議進行高效的學習和更新。