基于強(qiáng)化學(xué)習(xí)的多機(jī)器人圍捕多目標(biāo)的分布式?jīng)Q策方法，包括：一、仿真環(huán)境初始化，隨機(jī)生成障礙物、追逐者和逃跑者的狀態(tài)信息，追逐者和逃跑者都為智能體的機(jī)器人；二、獲取機(jī)器人的觀測值信息；三、獲取機(jī)器人的可行動作，遍歷其動作空間得到可行動作集；四、策略神經(jīng)網(wǎng)絡(luò)根據(jù)觀測值信息從當(dāng)前狀態(tài)的可行動作集中選擇出一個動作；五、仿真環(huán)境根據(jù)選擇出的動作對機(jī)器人進(jìn)行更新并計算執(zhí)行該動作獲得的獎勵；六、將四?五的決策過程存儲到經(jīng)驗收集池中；七、重復(fù)二?六直到達(dá)到單輪最大的仿真時間；八、根據(jù)存儲器中的各個智能體與仿真環(huán)境的交互信息，使用多智能體強(qiáng)化學(xué)習(xí)算法進(jìn)行訓(xùn)練；九、重復(fù)一?八直到達(dá)到最大的交互訓(xùn)練輪數(shù)。