简介： 本发明公开了一种多时间尺度的多智能体强化学习方法及装置，其中，方法包括以下步骤：获取智能体间的关联拓扑结构；基于关联拓扑结构使得相邻的智能体之间相互观测状态、动作及收益；根据观测状态、动作及收益进行多智能体强化学习，更新多时间尺度的多智能体强化学习模型。该方法可以有效降低通讯复杂度和求解复杂度，更加符合现实应用的需求，且能够处理更加一般的问题，具有更加广泛的适用性，能够处理更多的实际应用问题。