伴随着互联网时代的到来,人工智能发展趋势逐渐从单智能体决策转向多智能体决策。生活中有很多多智能体系统,比如驾驶车辆在车流中行驶、足球队比赛,甚至是蜜蜂建造蜂巢。这些系统都是多智能体之间通过协作或竞争以达到某个目的。相对于单智能体学习来说,多智能体的学习挑战在于它有更大的搜索空间、对于其它智能体的感知以及系统的鲁棒性。在多智能体系统中,随着智能体数量的增多,问题也随之而来,那就是智能体很难从全局共享信息中区分出有助于协作的信息,因为很多无用信息可能会影响团队协作。如果共享全体智能体信息,动作空间则会过大,并且接收大量信息,会需要很高的带宽和长时间的延迟以及高计算复杂性。智能体根据自身观察到的信息根据全队策略输出动作时,也会产生歧义。所以找到一种方式,可以让智能体在需要的情况下选择对协作有用的信息尤为重要。针对上述多智能体强化学习存在的问题,本课题构建一个多智能体围捕环境对多智能体强化学习进行研究,主要研究内容如下:（1）对多智能体强化学习目前国内外研究现状进行概述,从单智能体和多智能体两个角度对算法进行分类,介绍了经典算法和模型结构,并且对多智能体强化学习协作或竞争技术的应用前景和发展趋势进行了总结与展望。（2）针对多智能体系统在进行协作时,会面临随着联合信息空间扩大,智能体信息提取困难的问题,提出基于过滤机制筛选信息（FMAC）的多智能体强化学习策略。首先对智能体信息进行编码,其后通过计算智能体之间的关联程度,将无关智能体信息进行过滤,从而实现在合作环境下智能体间进行有效的沟通。另外,采用集中训练分散执行方式解决环境的非平稳性。为了对比算法证明改进算法的优势,以Open AI的multiagent particle envs作为测试平台,在其中的‘追捕’和‘围捕’环境中进行对比实验,发现改进算法提高了策略迭代效率以及泛化能力,在智能体数量增多情况下仍保持稳定效果,有助于多智能体强化学习应用到更广泛的领域。（3）为了提高智能体协作策略的能力,本文设置多智能体围捕单智能体实验环境,该环境是在‘围捕’基础上进行改进,提高环境复杂程度。采用围捕网络和逃跑网络对抗训练的思路,通过提高逃跑者的能力来提高围捕难度,进而提高围捕策略。实验证明了对抗训练确实可提高围捕策略并且提高了泛化能力。