本文综述多智能体强化学习研究，涵盖集中训练与分散执行、少样本适应、知识蒸馏、基于模型的方法及通信机制，并介绍SMART仿真平台、自适应智能体数量、网络化去中心化决策和分层协作等进展。

该文综述多智能体强化学习中的值函数分解方法，重点介绍QMIX及其改进。QMIX通过混合网络和非负权重保证集中训练与分散执行的一致性，在SMAC上表现优异。后续研究提出QR-MIX、QFree、DFAC、IQV系列等，引入分位数回归、优势函数等价条件和分布式价值学习，以提升随机性、单调性和表示能力，并在复杂基准中达到先进水平。

本文综述多智能体强化学习在工程系统中的应用，涵盖DCMAC、DDMAC、CADP等框架，用于生命周期策略、配电网络低碳管理、电动汽车充电及交通路由。方法多采用集中训练分散执行、安全约束与模型学习，提升数据效率与协作性能，实验验证其优于传统基线。

该文综述多智能体强化学习（MARL）进展，聚焦分散式设置下的协调协议，从分布式优化视角梳理强化学习由单智能体向多智能体系统的演变，强调MARL与分布式优化、信号处理的结合，涵盖集中训练分散执行、共识学习、网络化智能体的去中心化决策、多机器人协作、多任务学习及采样复杂度问题，并总结未来方向与挑战。