本發(fā)明屬于學(xué)習(xí)算法領(lǐng)域，具體涉及一種基于反事實回報的多智能體深度強(qiáng)化學(xué)習(xí)方法、系統(tǒng)，旨在為了解決解決多智能體信譽(yù)分配問題。本發(fā)明方法包括：基于多智能體的運行環(huán)境，定義全局狀態(tài)；基于局部觀測量，通過預(yù)設(shè)的Q網(wǎng)絡(luò)模型，獲取各智能體對應(yīng)的執(zhí)行動作；獲取各智能體對應(yīng)的經(jīng)驗數(shù)據(jù)對，并增入經(jīng)驗池；從經(jīng)驗回放池中隨機(jī)獲取訓(xùn)練樣本，訓(xùn)練并更新Q網(wǎng)絡(luò)模型的權(quán)重；每隔設(shè)定的步長，將基于Q網(wǎng)絡(luò)模型的權(quán)重更新目標(biāo)Q網(wǎng)絡(luò)模型；重復(fù)上述Q網(wǎng)絡(luò)模型權(quán)重優(yōu)化步驟，直至達(dá)到訓(xùn)練結(jié)束條件，獲取最后一次權(quán)重更新的Q網(wǎng)絡(luò)模型。本發(fā)明實現(xiàn)了完全合作多智能體間的信譽(yù)分配，進(jìn)而實現(xiàn)了多智能體的協(xié)同決策，而且收斂快，效率高。