简介： 本发明公开了一种智能体最优策略获取方法及装置，该方法包括：将智能体在与环境交互过程中接收的全局奖励建模为单一智能体真实的局部奖励和不可观测环境状态引起的随机噪声信号之和，构建系统模型；利用卡尔曼滤波算法，从观测到的多智能体系统中智能体在与环境交互过程中接收的全局奖励中获得当前智能体对应的局部奖励；根据各智能体对应的局部奖励，通过预设的强化学习算法，对多智能系统中的各智能体进行训练，使得每一智能体分别学习到当前环境下的最优策略。本发明解决了不平稳环境下的多智能体系统信用分配问题，能提高多智能体系统在完成协作任务过程中计算的高效性和鲁棒性。