本發(fā)明公開了一種基于值分解和注意力機(jī)制的多智能體強(qiáng)化學(xué)習(xí)方法，包括：(1)構(gòu)建學(xué)習(xí)環(huán)境，學(xué)習(xí)環(huán)境包括多個(gè)智能體，每個(gè)智能體包括Critic網(wǎng)絡(luò)和Actor網(wǎng)絡(luò)；(2)初始化Critic網(wǎng)絡(luò)和Actor網(wǎng)絡(luò)參數(shù)；(3)將每個(gè)智能體的動(dòng)作反饋給游戲環(huán)境，將當(dāng)前觀測值、動(dòng)作、獎(jiǎng)勵(lì)以及下一時(shí)刻觀測值存入經(jīng)驗(yàn)池中；(4)計(jì)算局部Q值函數(shù)和全局Q值函數(shù)，并對Critic網(wǎng)絡(luò)進(jìn)行參數(shù)更新；(5)計(jì)算每個(gè)智能體在當(dāng)前觀測值下采取當(dāng)前動(dòng)作所產(chǎn)生的優(yōu)勢函數(shù)，對Actor網(wǎng)絡(luò)進(jìn)行參數(shù)更新；(6)Critic網(wǎng)絡(luò)和Actor網(wǎng)絡(luò)的參數(shù)更新完畢后，利用訓(xùn)練完成的智能體在游戲環(huán)境中執(zhí)行動(dòng)作。本發(fā)明的方法在復(fù)雜的異構(gòu)部分可觀測場景中，性能效果更好且收斂速度更快。