现阶段,随着越来越多的生活场景从静态单一智能体向动态多智能体转变,多智能体强化学习方法正得到越来越多的关注和应用。然而,多智能体强化学习所面临的维数灾难问题以及智能体间巨大的通信成本问题日益严重。本文在引入已有的稀疏交互机制的基础上,建立了一个全新的较优稀疏交互框架,同时提出一种基于有效协调的多智能体强化学习方法,在多智能体栅格任务中取得了良好的仿真效果。本文提出的基于有效协调的稀疏交互多智能体强化学习方法主要包括两大部分。第一部分是有效结合单智能体学习过程(马尔科夫决策过程)和多智能体联合学习过程(马尔科夫博弈)建立一个全新的稀疏交互框架,并分离了联合状态和非联合状态的Q值更新规则。第二部分是针对智能体间的碰撞协调问题,采用纯策略均衡求解最优联合动作策略。基于纯策略纳什均衡和非限制均衡主导策略集,引入胆小鬼博弈模型提出一种求解胆小鬼博弈均衡的方法。另外,通过MATLAB仿真在多组栅格任务中验证了所设计算法的高效性,实现了能够利用较低的存储空间、较低的计算花费以及较少的学习时间帮助多智能体在路径规划问题中能够学习到(接近)最优动作策略的目标。