现今,人工智能正经历着从感知到决策,从单智能体到多智能体系统的发展过程,这使得多智能体的行为决策与控制成为新的关注点。由于涉及到多个智能体同时交互学习,因此简单将原来应用于单智能体的深度强化学习算法直接应用于多智能任务场景,会带来环境的非平稳性和维数爆炸问题,除此而外,多智能体决策过程中还存在部分可观测以及训练缓慢等限制问题。本文针对以上存在的问题,基于最近流行的集中式训练分布式执行（CTDE）范式和Actor-Critic类强化学习方法对多智能体的行为决策进行算法设计和实验验证,主要工作和创新点如下:（1）针对环境的非平稳性以及对策略空间探索不足的问题,本文基于CTDE范式,将最大熵强化学习算法SAC进行扩展,提出了一种基于CTDE和最大熵思想的多智能体深度强化学习算法MASAC。在中心化的训练阶段,单个智能体会兼顾其他智能体的策略变化从而克服环境的非平稳性问题,最大化策略的信息熵的引入加强了探索能力和策略的鲁棒性,算法最终输出随机策略,具有更强的决策能力。实验结果表明,在合作、竞争以及混合型的多智能体任务中,MASAC的算法性能和智能体的实际表现均优于基线算法。（2）针对部分可观测问题,基于MASAC算法,提出一种能够使智能体利用当前局部观测、历史观测序列信息以及智能体间传递的通信消息进行行为决策的多智能体深度强化学习算法R-MASAC。在智能体的Actor和Critic中引入循环神经网络GRU架构记忆功能,并采用隐状态存储策略。除此而外,在智能体间建立显示的通信信道来增强局部观测,帮助智能体进行行为决策,促进智能体之间的协作。设计了部分可观测且需要高度协同的多智能体同步且快速到达目标点任务对算法进行测试,实验结果表明R-MASAC的算法性能优于基线算法,经训练后的智能体能够在部分可观测的限制下以相互配合的协同策略成功地完成任务。（3）针对训练缓慢且需要大量交互经验数据的问题,基于MASAC算法,提出一种包含带有优先级的经验回放部分的分布式多智能体深度强化学习算法DPERMASAC。通过引入优先经验回放机制,解决了奖励值稀疏问题,同时利用重要性采样权重来抵消由于优先级分布更新而引起的偏差。进一步将算法扩展为分布式版本,从而扩展经验数据吞吐量并增加数据多样性。实验表明结果,在不同难度的多智能体任务中,DPER-MASAC的算法性能和智能体的实际表现均优于基线算法。图46幅,表5个,参考文献98篇。