近几年,强化学习的发展非常迅速,尤其在Alpha Go击败围棋高手李世石之后,更是引起了众多学者的关注和研究。随着研究的不断深入,强化学习被逐渐应用到复杂的多智能体协同问题上,这类研究被称为多智能体强化学习。多智能体强化学习已经使许多领域取得突破性进展,例如,军事推演、快递分拣、竞技体育、自动驾驶、推荐系统等。因此,无论是从理论价值还是工程应用的角度来看,对多智能体强化学习的研究都具有极其重要的意义。尽管多智能体强化学习已经取得了卓越的成功,但是仍然存在着智能体信息过载、初期盲目探索等一系列问题。本文以值函数分解方法为理论基础,围绕这些问题展开研究:（1）针对当前采用值函数分解方法的多智能体系统在通信时会受外界信息轰炸、初期无效探索等问题,提出一种基于注意力机制的多智能体值函数分解方法（Multi-Agent Value Function Decomposition based on Attention Mechanism,MAVAM）。通过引入注意力机制,增强智能体之间对彼此影响力的关注;并改进-贪婪策略为理性-贪婪策略,减少智能体的盲目探索,增加经验回放池的有效样本。仿真结果表明,本文所提出的算法有效降低信息过载以及训练初期的无效探索,在星际争霸多智能体挑战模拟环境中的收敛速度和最终平均胜率都达到最优。（2）针对环境中智能体数量和动作空间随时间变化而变化的问题,提出一种基于监听通知器和即兴组队的多智能体值函数分解方法（Listener-Noticer and Adhoc Team based Multi-Agent Value Function Decomposition,MALN-AT）,借助监听通知器实现智能体的即兴组队。当智能体退出或“死亡”时,团队中其他智能体能够接收到监听通知器的广播,优化局部观测信息,并迅速进行调整;当新的回合开始时,曾经“死亡”的智能体也能更合理地选择当前最优动作。实验结果显示,算法在“寻找宝藏”模拟环境中准确地输出联合动作值,指导智能体在未固定环境中有效地协同工作。（3）从实际的工程应用角度出发,将多智能体协同问题具体到视频推荐系统的多场景协同优化上。结合值函数分解方法MAVAM训练出视频推荐策略模型,仿真结果表明,基于MAVAM的推荐策略在各项推荐指标上表现优异,并且有效避免子场景独立推荐形成的马太效应。（4）针对多智能体协同的视频推荐系统对真实数据的需求,基于现有的软件框架,设计并搭建出一个实时大数据平台。平台能够与真实用户进行交互,并且具备采集、传输以及处理海量用户行为数据的能力,处理后的数据可作为视频推荐系统的实时数据来源。