本發(fā)明公開(kāi)了一種基于值分解的多智能體強(qiáng)化學(xué)習(xí)方法及系統(tǒng)，方法包括：獲取環(huán)境當(dāng)前t時(shí)刻的狀態(tài)St，每個(gè)智能體初始的觀察值可獲得的動(dòng)作以及該動(dòng)作對(duì)應(yīng)的獎(jiǎng)勵(lì)r；對(duì)于每個(gè)智能體，通過(guò)評(píng)估?智能體網(wǎng)絡(luò)計(jì)算每個(gè)動(dòng)作基于局部信息τi觀察到的值函數(shù)Qi(τi)；利用隨機(jī)?智能體網(wǎng)絡(luò)得到每個(gè)智能體基于全局信息τ的獎(jiǎng)勵(lì)值函數(shù)Qi(τ)；利用目標(biāo)?智能體網(wǎng)絡(luò)計(jì)算損失函數(shù)并更新參數(shù)；利用競(jìng)爭(zhēng)?智能體網(wǎng)絡(luò)將每個(gè)智能體基于全局信息τ的獎(jiǎng)勵(lì)值函數(shù)Qi(τ)進(jìn)行分解；將分解結(jié)果相加得到基于全局信息τ的聯(lián)合獎(jiǎng)勵(lì)值函數(shù)Qtot(τ,a),完成訓(xùn)練。本發(fā)明對(duì)多智能體之間的邏輯拓?fù)潢P(guān)系進(jìn)行了雙重提取，在復(fù)雜的異構(gòu)部分可觀測(cè)場(chǎng)景中，提高智能體的學(xué)習(xí)效率和應(yīng)變能力。