深度神经网络和强化学习的结合在近些年受到了越来越多的关注,而且对单智能体的强化学习的关注正在慢慢转移到多智能体上。多智能体强化学习需要解决环境的不稳定性、奖励分配、部分可观测、计算复杂度等问题,多智能体下的强化学习天然的比单智能体复杂。因为多智能体的强化学习的应用场景更加广泛,更贴近现实世界的情境。所以多智能体强化学习更加具有研究价值和意义。本文将博弈论中的遗憾最小化引入到多智能体强化学习,提出了基于遗憾最小化的多智能体强化学习算法。遗憾最小化是博弈论中一种新的概念,在一些纳什均衡不是最优解的博弈问题上,遗憾最小化有着更好的表现。传统的多智能体强化学习最终的解在大部分情况下是符合纳什均衡的,当纳什均衡本身不是最优解时,这些算法难以发挥作用。基于遗憾最小化的多智能体强化学习最终的解是遗憾最小化的,所以在上述场景下有着更好的表现。本文首先将遗憾最小化引入到非深度的多智能体强化学习中,提出了多智能体遗憾最小化算法。并重新定义了基于遗憾最小化的Q函数和V函数、Q值的更新公式。然后在多个实验中和求解纳什均衡的多智能体算法进行了对比,结果表明本文提出的算法在一些纳什均衡无法很好解决的问题上有着更好的表现。最后引入了神经网络,提出了多智能体深度遗憾最小化算法,并可用于解决完全可观测环境下的问题。本文证明了Q-learning在多智能体深度学习下存在过高估计问题,同时为了将遗憾最小化推广到部分可观测的环境中,本文简化了遗憾值的定义,证明了新的遗憾值的定义避免了过高估计问题,并提出了值分解遗憾最小化算法。实验证明值分解遗憾最小化相比传统的值分解算法性能得到了提升。同时为了加快算法的训练速度,本文将单智能体下优势函数引入进来,推导出了优势函数形式下的值分解遗憾最小化算法,并实验验证了优势函数的加速效果。