随着人工智能的不断发展,深度强化学习已在单智能体领域取得显著的成果。然而,将其扩展至多智能体环境时,将会面临一系列新的问题,如环境的不稳定性,智能体间通讯效率低下,奖励难以合理分配等问题,这些问题将严重影响智能体之间的协作效率。因此在多智能体环境中,如何让智能体相互协作完成指定任务,其在现实生活中具有广泛的应用价值。针对上述问题,本文基于强化学习方法,在多智能体协作环境中展开研究,主要工作如下:1、针对多智能体协作环境中的局部可观问题,提出了一种基于循环神经网络的多智能体强化学习算法。该算法采用双向循环神经网络来执行Actor网络,通过网络中保存的过去环境观测信息和智能体动作信息,尽可能地增加智能体在决策时可以参考的信息,以提高其策略的有效性,减轻局部可观所带来的影响。同时加入差异奖励分配机制,以此明确各智能体对任务完成的贡献程度,鼓励智能体选择更为合适的动作输出,训练出正确的行为策略。在仿真协作任务环境与搭建的无源定位任务环境中进行了对比实验。实验结果验证了所提方法能够在任务环境复杂时,更为有效的提升算法的性能表现。2、针对多智能体环境中的信用分配问题,提出了一种基于值分解的多智能体强化学习算法。该算法采用一个值分解的集中式Critic网络来计算策略梯度,并以此更新策略网络,采用这种结构的Critic网络可以明确各智能体对系统奖励的贡献程度,并且减轻维数爆炸所带来的影响,提高算法的训练效率。在仿真任务环境中进行了对比实验,实验结果表明,所提算法在任务完成度与训练效率上均有提升。3、针对如今主流的多智能体强化学习训练框架“集中训练分布执行”所存在的问题:在训练阶段,依据全部智能体的观测数据进行训练以生成策略,但在执行阶段,每个智能体能够获取的仅仅是其局部观测,导致算法的性能表现不佳。尤其在协作任务环境中,这个问题更为凸显,据此提出了基于共享经验的通信机制。通过开辟出一定大小的存储空间,作为多智能体之间的共享经验池。并在训练与执行阶段,均允许智能体对其进行基于显式通信的并行读写操作,使智能体可以推断出整体任务环境,同时提高智能体间的协作效率。最终在仿真任务环境中对比证明了该方法的优越性。