多智能体强化学习模型训练方法、学习方法及装置

本公开实施例提供了一种多智能体强化学习模型训练方法、学习方法及装置，方法包括：对多智能体强化学习模型进行多轮迭代训练，在每轮迭代训练过程中，多次执行如下动作选取步骤：将本次全局状态矩阵及本次观测矩阵输入智能体网络进行注意力输出分析并进行智能体Q值计算，得到每个智能体的Q值数据，每个可行动作的Q值用于表示每个可行动作的动作价值；将每个智能体的Q值数据输入混合网络进行加权混合处理，得到联合Q值数据，联合Q值数据用于表示多个智能体在本次全局状态矩阵下采取联合动作时的动作价值；基于联合Q值数据，采用损失函数进行本次网络参数更新。本公开提高了多智能体强化学习算法的学习准确率及效率。