本研究提出了一种基于随机最小二乘法值迭代的并行学习框架，旨在提高强化学习中多个代理在复杂环境中的探索效率。结果显示，该算法在空间复杂性上优于现有方法，并具有多项式最坏情况遗憾界限，推动了多代理学习系统的发展。