近年来,随着人工智能技术的不断发展,研究者在单智能体深度强化学习领域取得了许多优秀的成果。为了解决复杂的团队任务,研究人员将深度强化学习方法应用到了多智能体领域。地标覆盖任务是最常见的多智能体协同问题之一,在国防、物流、车间等领域均有重要应用。多智能体系统中,内部智能体同时与环境交互,且智能体之间相互影响,受邻居智能体的位置、运动速度等因素影响较大,导致很多单智能体深度强化学习算法在多智能体系统中难以收敛,学习效果不佳。针对以上问题,本文主要进行以下研究,具体内容如下。首先,针对多智能体系统环境非平稳的问题,本文提出一种基于最大熵的模型MECT（Maximum Entropy Covering Task）,用以解决多智能体地标覆盖的任务。该模型采用演员-评论家（Actor-Critic,AC）算法框架,将AC算法框架与集中训练,分散执行框架相结合。在训练过程中输入所有智能体对环境的观察信息,训练出能近似拟合真实Q值的Critic网络。在策略选择时,智能体只需根据自身行为即可选择最优动作。在增强策略学习的随机性上引入了最大熵函数,并优化了智能体奖励值公式。在Open AI提供的多粒子环境下进行算法性能实验,对比了MADDPG、MAAC、DQN三种算法,验证了改进模型的高效性,并对多智能体学习效率进行了分析。其次,为了降低算法复杂度和特征矩阵的计算量,本文在MECT模型基础上重新搭建了网络结构,提出了一种基于图卷积网络的智能体覆盖地标任务的模型GCNMAL（Graph Convolutional Network Multi-Agent Landmark）。将环境中的智能体和地标构建成了一个图结构,该结构以智能体和环境中的地标作为顶点。此外,使用多层感知机网络（MLP）聚合所有邻居节点的相对位置信息,同时进行智能体自身状态更新,以图卷积网络平均池化方法聚合所有环境信息以及智能体自身信息。最后,在多粒子环境下与MECT模型MADDPG、MAAC、DQN算法进行实验对比,验证了该方法的优越性,并对多智能体学习效率进行了分析。