随着深度学习和强化学习而来的人工智能新浪潮，为智能体从感知输入到行动决策输出提供了“端到端”解决方案。多智能体学习是研究智能博弈对抗的前沿课题，面临着对抗性环境、非平稳对手、不完全信息和不确定行动等诸多难题与挑战。本文从博弈论视角入手，首先给出了多智能体学习系统组成、进行了多智能体学习概述、简要介绍了各类多智能体学习研究方法。其次围绕多智能体博弈学习框架，介绍了多智能体博弈基础模型及元博弈模型，均衡解概念和博弈动力学，学习目标多样、环境（对手）非平稳、均衡难解且易变等挑战。再次全面梳理了多智能体博弈策略学习方法，离线博弈策略学习方法，如随机博弈策略学习、扩展式博弈策略学习、元博弈种群策略学习方法，在线博弈策略学习方法，如在线优化与无悔学习、对手建模与利用、角色匹配与临机协调。最后从智能体认知行为建模与协同、通用博弈策略学习方法和分布式博弈策略学习框架共三个方面探讨了多智能体学习的前沿研究方向。