深度强化学习作为最具代表性的人工智能算法之一,其核心在于结合了深度神经网络强大的特征提取能力与强化学习的探索试错能力,其中强化学习在探索中提供样本及对应的监督值给神经网络;神经网络学习样本后进而为强化学习的探索提供引导。深度强化学习为智能体自主学习提供了一个通用的框架,从而使得智能体端到端的学习成为可能。围捕逃逸问题由于其包含智能体间合作及对抗的特点,一直是多智能体领域的经典问题。在多智能体问题中,智能体的数学模型不一定是已知的,此时智能体的控制器参数往往难以手工设计,而使用深度强化学习的方法则可以令智能体自主学习控制器参数,并且避免了设计策略时加入主观因素的风险。本文以有限空间内多智能体围捕逃逸问题为背景,对多智能体强化学习算法进行了探究,针对实验过程中确定性策略梯度算法不合法的动作值函数产生误导性梯度的问题,提出了一种裁剪不同动作空间的新算法:MADDPG-DAS。并根据围捕逃逸环境改进了奖励函数,激活函数,此外还使用了权重经验回放与近端策略优化,增加了算法的收敛速度与稳定性。实验结果表明MADDPG-DAS算法可以解决确定性策略梯度算法在部分状态下Actor网络难以反向更新的问题,相比于经典的MADDPG算法,该算法训练的智能体具有更高的灵活性,测试效果更好。此外我们还测试了逃逸者可以成功逃逸的极限条件,实验结果表明智能体可以在不同条件下找到最符合自身优势的策略,为相似的寻找极限条件问题提供了一种解决思路。