本發(fā)明公開了一種基于動(dòng)態(tài)層級(jí)通信網(wǎng)絡(luò)的多智能體強(qiáng)化學(xué)習(xí)方法及系統(tǒng)，方法包括：S100，編碼當(dāng)前時(shí)刻觀測(cè)信息和歷史信息，獲得當(dāng)前時(shí)刻觀測(cè)特征和依賴特征，并進(jìn)行預(yù)決策；S200，基于注意力機(jī)制，根據(jù)預(yù)決策信息與觀測(cè)特征，獲取依賴矩陣；S300，基于最小生成樹算法，動(dòng)態(tài)生成層級(jí)關(guān)系網(wǎng)絡(luò)并進(jìn)行選擇性有向地通信，生成聯(lián)合決策并與環(huán)境交互，收集經(jīng)驗(yàn)數(shù)據(jù)；S400，基于線性值分解網(wǎng)絡(luò)，為每個(gè)智能體分配狀態(tài)?動(dòng)作值函數(shù)，更新智能體策略網(wǎng)絡(luò)；S500，基于內(nèi)在獎(jiǎng)勵(lì)機(jī)制，根據(jù)演員?評(píng)論家框架更新層級(jí)網(wǎng)絡(luò)參數(shù)。在該方法中，多智能體利用動(dòng)態(tài)生成的層級(jí)通信網(wǎng)絡(luò)進(jìn)行選擇性的觀測(cè)信息和意圖信息共享，基于條件狀態(tài)?動(dòng)作值分解網(wǎng)絡(luò)和內(nèi)在通信獎(jiǎng)勵(lì)，減少環(huán)境的非穩(wěn)態(tài)問題，并對(duì)聯(lián)合策略及層級(jí)通信協(xié)議進(jìn)行高效的學(xué)習(xí)和更新。