随着现代信息技术的发展，多智能体围捕-逃逸对抗博弈问题在军事、工业、农业等领域得到越来越多的关注，目前的多智能体围捕-逃逸对抗研究大多都是从经典控制理论出发，根据智能体的数学模型构造控制策略，但这一方法忽略了现实生活中对智能体建立精确数学模型的难度，具有一定的局限性。因此，本文引入深度强化学习的方法，通过探索试错学习方式，让智能体在与环境交互的过程中自主决策，不断更新自身策略，实现最优决策的目的。
　　深度强化学习结合了深度学习和强化学习两大技术的优势，不仅具有强大的特征提取能力，还具有卓越的自主决策能力，能够直接将原始输入数据转化为决策输出，从而控制智能体的行为，是一种更接近于人类思维的人工智能算法。
　　本文基于深度确定性策略梯度算法，针对其扩展性差的问题，改进传统神经网络结构，利用循环神经网络动态输入动态输出特性，提出了多智能体围捕-逃逸可扩展性算法，从而解决多智能体的可扩展性问题。同时，为了解决在不完全信息下，深度强化学习训练智能体不稳定甚至不能收敛的问题，本文设计辅助预测模型(APNM)以推断其他智能体的环境状态信息，APNM联合所构建的多智能体围捕-逃逸训练学习框架(MAPELF)，解决了智能体部分可观测带来的不完全信息问题。最后根据多智能体复杂环境的具体情况，改进传统策略梯度方式，提出分布式多智能体策略梯度算法，解决当智能体数量较多时，神经网络训练时间长等问题。
　　实验结果表明，本文所提出的可扩展性算法提高了传统深度确定性策略梯度算法的泛化能力，APNM可以解决不完全信息下智能体难以训练的问题，相比传统的策略梯度算法，本文采用的分布式多智能体策略梯度在智能体比较多的情况下，不仅缩短了训练时间，还提高了算法稳定性和性能。仿真实验验证了上述所提算法的可行性和有效性。