本發(fā)明屬于智能體深度強(qiáng)化學(xué)習(xí)的測(cè)試領(lǐng)域，為多智能體協(xié)作環(huán)境強(qiáng)化學(xué)習(xí)算法的測(cè)試方法。所述多智能體協(xié)作環(huán)境深度強(qiáng)化學(xué)習(xí)算法中的智能體為兩大類，一類是空間動(dòng)作相對(duì)固定化的智能體，一類是動(dòng)作和狀態(tài)空間復(fù)雜的智能體，第一類智能體采用求最大置信回報(bào)值的算法(UCB算法)，第二類智能體采用求取最優(yōu)聯(lián)合動(dòng)作和狀態(tài)的全局函數(shù)(QMIX算法)。本發(fā)明針對(duì)兩種算法的特點(diǎn)，分析多智能體訓(xùn)練模型輸出的回報(bào)值和收益值，得收斂速度和效果的影響因子，通過(guò)分析影響因子得出測(cè)試多智能體協(xié)作環(huán)境出算法深度強(qiáng)化學(xué)習(xí)的測(cè)試技術(shù)要點(diǎn)，為多智能體協(xié)作環(huán)境下深度學(xué)習(xí)算法的驗(yàn)證提供了有效依據(jù)。