本發(fā)明屬于分布式路由技術(shù)領(lǐng)域，具體為一種基于多智能體深度強(qiáng)化學(xué)習(xí)的數(shù)據(jù)包路由算法。本發(fā)明為了緩解計(jì)算機(jī)網(wǎng)絡(luò)中的擁塞情況，利用多智能體深度強(qiáng)化學(xué)習(xí)技術(shù)，設(shè)計(jì)了一種端到端的自適應(yīng)路由算法，各路由器依據(jù)局部信息完成數(shù)據(jù)包調(diào)度，降低了數(shù)據(jù)包的傳輸時(shí)延。本發(fā)明首先構(gòu)建分布式路由的數(shù)學(xué)模型，明確強(qiáng)化學(xué)習(xí)中各要素的具體含義，然后對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后在仿真環(huán)境下進(jìn)行算法性能測試。仿真實(shí)驗(yàn)結(jié)果表明，深度神經(jīng)網(wǎng)絡(luò)的引入可以挖掘輸入網(wǎng)絡(luò)狀態(tài)中的特征信息，實(shí)現(xiàn)暢通路徑和最短路徑之間的權(quán)衡，與其他常用路由算法相比，本發(fā)明實(shí)現(xiàn)了更短的數(shù)據(jù)包傳輸時(shí)延。