简介： 本发明属于多智能体系统的强化学习领域，具体涉及了一种基于动态图神经网络的多智能体对抗方法及系统，旨在解决现有基于图神经网络的多智能体模型训练速度慢、效率低以及图构建中需要较多人工干预的问题。本发明包括：获取每一个智能体的观测向量，并进行线性变换获得观测特征向量；计算相邻智能体之间的连接关系，构建智能体之间的图结构；结合观测特征向量对智能体之间的图结构进行嵌入表示；将嵌入表示用于动作网络的动作预测结果和评价网络的评价，进行网络时空并行训练；通过训练好的网络进行多智能体对抗中的动作预测和动作评价。本发明通过剪枝建立更真实的图关系，利用全连接神经网络加位置编码的实现时空并行训练，训练效率高、效果好。