随着深度学习技术的不断发展,并且深度学习也成功应用于单智能体强化学习中,多智能体协同强化学习也在这个浪潮中得到了非常广泛的发展和应用。多智能体协同算法的主要目的是通过智能体群环境的不断交互,寻找到一个获取总体目标最大价值的最佳策略。强化学习在训练过程中通过不断和环境交互的方式进行收集经验,并根据这些经验进行学习。这些经验数据一般需要与环境进行大量的交互,这些对智能体的训练都带来了严峻的挑战。加速这些经验数据的收集,智能体便可以在相对更短的时间里获得更多的交互数据,从而加快训练。在单智能体算法里通过并行训练的办法在一定程度上加快了交互数据的收集,但是如何将其利用到多智能体系统里来又是一个新的问题。其次,不同的交互数据在训练过程中对智能体的价值并非等价,在目前的经验数据抽取的算法中,主要采用随机采样的方法对智能体参数进行更新,但是,在此状态下所有交互数据都有了相同的权重,忽略了交互数据对智能体的学习价值的差异,导致学习效率低。因此根据交互数据的不同重要程度给予它们不同的权重非常有意义。最后,多智能体环境会受到所有智能体动作的影响,所以多智能体系统环境会更加复杂和不稳定。并且多智能体系统的复杂性也会随着智能体数量的增加而增加,可能会存在维度爆炸或者无法收敛的情况,因此如何让智能体选择性的关注信息,更好利用好有效信息也是个非常重要的问题。本文的主要研究内容分为以下两部分:（1）针对多智能体协同环境中交互数据收集慢,均匀采样学习效率低的问题,提出了一种多智能体协同工作中的并行优先级回放方法。在数据收集阶段,通过决策者并行的方式采用多个线程进行并行计算加快了交互数据的采集。在数据采样阶段,提出了一种多智能体优先级采样的方法,给予不同数据不同的权重。在训练时,该方法利用TD-error的方法来计算并标识不同交互经验的重要性,并以在每次取样的时候用优先级最高的方法对网络进行更新。实验证明,并行优先级回放的方法可以有效地加快模型的训练并且改善模型的训练效果。在合作和对抗两种实验中进行了实验,最终取得了较好的性能。（2）针对多智能体协同环境中智能体的数目变多,动作维度大导致信息维度爆炸的问题提出了一种基于注意力的多智能体协作方法。利用注意力机制对智能体网络进行了优化与改造使智能体可以更好地利用有效的信息,并对不同智能体的信息选择性关注。在一定程度上缓解了信息维度大导致的难收敛问题。在最终的实验结果中显示,利用注意力机制的方法可以更好的提升实验效果。