近年来随着人工智能技术的飞速发展,其在图像识别,语音处理等方面取得了巨大的成就。然而对于现实世界中的多智能体决策场景,常用解决方案多智能体强化学习（Multi-agent reinforcement learning,MARL）还面临着训练成本高昂,稳定性差,难以解决需要高级合作的多智能体决策场景等问题,进而影响其应用效能。为此,本文针对上述问题,基于集成学习思想,从智能体进行决策所依据的状态动作对的预期奖励值（即Q值）的更新策略和多智能体之间奖励分配两个角度提出解决办法,进而降低其训练成本,提升其稳定性,并可以解决更复杂的多智能体决策场景,具体研究工作如下:（1）针对目前主流的分布式执行集中式训练的解决方案,通过分析其更新策略及观察训练得到的策略挖掘出该方案在实际应用中存在的两个问题,即Q值更新策略不合理以及智能体间奖励分配不合理,其中Q值更新策略不合理的主要原因是多智能体之间互相影响,导致Q值的预测难度加大,进而导致了Q值预测不准确;而智能体间奖励分配不合理问题的主要原因在于目前算法难以根据智能体对集体的贡献来对总奖励进行分配。（2）针对Q值更新策略不合理的问题,本课题借鉴集成学习的思想,对训练过程中Q值估计方差进行优化,提出了基于集成学习的Q值修正MARL算法,简称MC-QMIX算法。目前Q值更新策略不合理导致的Q值预测有偏,主要原因在于多智能体场景中Q值的方差增大。本课题构建集成模型来对此进行优化,并提出了自适应投票网络机制,自主学习集成模型中多个基学习器的组合策略。同时为了进一步提升性能,结合多智能体强化学习训练过程中Q值普遍大于真实值的特点,设计了后验投票（voting hindsight,VH）损失函数。实验结果表明,上述研究方法在星际争霸多智能体微环境,无人机自主决策环境中是有效的,可以显著提升样本算法利用效率和稳定性,并解决复杂任务。（3）针对智能体间奖励分配不合理的问题,本课题基于从多个时间分辨率同时进行奖励分配的研究动机,提出了基于集成学习的多级奖励分配MARL算法,简称MLCA算法。目前的解决方案中,奖励分配都是在时间分辨率恒定为1的情况下进行的,仅关注于微观层面决策。本课题基于同时从宏观和微观层面进行奖励分配的研究动机,提出了可变时间分辨率的扩张门循环单元网络,实现侧重于宏观或微观的不同。之后基于此设计了分层集成模型,多层级同时进行奖励分配机制的学习。实验结果表明,MLCA算法在星际争霸多智能体微环境中是有效的,显著提升了算法的智能程度,可用于解决之前无法解决的任务,并有效的提升了样本利用效率和算法稳定性。