多智能体系统是由多个通过与环境动态交互来优化策略的智能体组成,其目的是通过系统内的多个智能体间的高效协作来完成复杂的全局目标。现有研究表明,深度强化学习可以有效增强每个智能体的学习和决策能力。然而,多智能体强化学习的研究还面临环境动态变化和维度灾难导致的协作不充分问题。本文针对多机器人系统这一典型的多智能体系统,面向动态环境下多机器人协同导航和多机器人无线通信资源资源分配任务需求,研究了基于多智能体强化学习的多机器人分布式协同策略学习方法。具体的研究内容如下:1.为多机器人在动态复杂环境中的协同导航提供安全和高效是一项具有挑战性的任务。现有的工作要么随着机器人数量和障碍物数量的增加性能急剧下降,要么缺乏知识迁移能力。为了解决这些问题,本文提出了一种新的多机器人协作导航方法,称为HRMR-Navi。它构造了一个由图卷积神经网络和图注意力神经网络组成的两层图网络和一个基于注意力机制的通信模型,其中图卷积神经网络层用于求智能体间关系,图注意力网络层用于求智能体组间关系。此外,为了提高机器人的探索能力,我们提出了一种基于最大熵强化学习的近端策略优化算法MEPPO。实验结果表明,与现有的方法相比,HRMR-Navi实现了更高效的合作导航和更好的知识迁移。2.6G网络实现了子网范畴的演进,形成“子网网络”,其中,拥有多传感器和控制器的机器人是典型的子网模型。然而,由于机器人子网的动态移动性,子网内和子网间的数据传输不可避免地会相互干扰,这对无线资源管理提出了巨大的挑战。此外,现有的大多数方法都要求知道难以收集的子网间的瞬时信道增益。为了解决这些问题,本文提出了一种新的基于多智能体深度强化学习（MARL）的无线资源管理方法,该方法只需要每个信道上的接收功率之和,即接收信号强度指示器（RSSI）,而不需要即时信道增益。然而,直接根据RSSI分离出单个干扰几乎是不可能的事情。为此,我们进一步提出了一种新的MARL体系结构,名为GA-Net,它用一个硬注意力层,基于RSSI对子网间关系的重要性分布进行建模,并排除不相关子网的影响,同时使用一个带有多头注意层的图注意力网络来提取特征并计算其权重,从而影响个体吞吐量。实验结果证明,我们提出的框架在各个方面都显著优于传统的和其他基于MARL的方法。