本發(fā)明公開了一種多代理強化學習合作任務(wù)下的獎勵函數(shù)建模方法，包括：每個代理獨立觀測環(huán)境狀態(tài)，輸入各自的策略網(wǎng)絡(luò)，得到各自的動作決策；在模擬環(huán)境執(zhí)行各代理的動作，得到每個代理各自的獎勵；將各代理之間的交互建模為一張無向圖，使用此圖計算出每個代理的獎勵的加權(quán)總和；使用加權(quán)后的獎勵訓練代理的策略網(wǎng)絡(luò)。該方法能夠?qū)Χ鄠€代理與環(huán)境交互后的結(jié)果進行整合，同時建模出的無向圖能夠起到可信度賦值的效果，給訓練算法提供更加精準的獎勵描述，幫助多代理系統(tǒng)在合作任務(wù)上學習到更好的策略。