多智能体迷宫导航是指多个智能体从迷宫中指定或者任意的初始位置出发,在不与障碍物和其它智能体碰撞的情况下,以最短的路径快速地到达各自指定的目标点。强化学习是一种模拟生物获取奖励值,并根据奖励值完成决策过程的方法。多智能体强化学习将强化学习引入到多智能体系统中,通过学习的方式实现智能体之间的合作与竞争。利用多智能体强化学习进行迷宫导航不仅需要考虑智能体与环境之间的自主交互学习,还需要考虑智能体之间的协调,因此带来了挑战。本论文基于多智能体强化学习方法,研究了迷宫导航问题,主要的工作如下:首先,总结了近年来强化学习和多智能体强化学习的研究进展,阐述了多智能体强化学习的原理和面临的挑战,并对多智能体强化学习的研究内容进行了系统的分类。另外,论述了多智能体强化学习方法应用于迷宫导航中的优势,并详解了本文所使用的栅格型和连续型两类迷宫环境。其次,研究了多智能体强化学习方法在栅格型迷宫环境中的应用,提出了一种分层结构,用于减少智能体在迷宫环境中初始时刻的探索时间。针对算法收敛困难的问题,提出一种融合环境模型的多智能体强化学习算法,加快了算法的收敛速度。考虑到智能体之间由于协调性不足而导致的环境非静态问题,使用滞回强化学习的方法,使得算法收敛的更加稳定。通过在2D和3D栅格型迷宫环境中进行的仿真实验,验证了所提算法能够显著减少智能体在迷宫中的探索时间。最后,研究了多智能体深度强化学习方法在连续型迷宫环境中的应用,采用执行器-评价器结构,通过集中式的评价器进行训练,并使用独立式的执行器执行动作,有效地解决了智能体在迷宫导航中面临的环境非静态和部分可观测等问题。针对传统经验回放的不足之处,提出使用优先经验回放机制提取经验池中的数据,提高了数据的使用效率。考虑到评价器中过高估计带来的误差,提出一种双网络结构,缓解了过估计误差对算法收敛性能的影响。通过在连续型迷宫环境中的仿真实验,验证了在智能体数量增多时,所提的算法具有更好的收敛性能,并且能够更快的到达各自的目标点。