本研究提出了虚幻多智能体游乐场（Unreal-MAP），这是一个基于虚幻引擎的多智能体强化学习平台，支持用户创建多智能体任务，并有效结合现有算法，推动MARL领域的发展。

本研究提出了一种分布式价值分解网络（DVDN），旨在解决部分可观测条件下的分布式训练问题。DVDN能够生成联合Q函数并将其分解为各个智能体的Q函数，适用于无法集中训练的场景。研究结果表明，DVDN在十个多智能体强化学习任务中表现出与集中训练相似的效果。

本文介绍了一种新型脉冲神经网络（SNN）架构，结合多层事件驱动聚类和时序差分调节，显著提升了强化学习性能。研究表明，SNN在边缘AI硬件上的表现优于传统递归神经网络，能效提升超过100倍。此外，提出的训练算法可替代标准反向传播，节省计算成本并提高学习稳定性。

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。

该文介绍了 QFree 方法，一种基于优势函数的 MARL 通用价值函数分解方法，使用混合网络结构满足等价分解，并将等价条件作为正则化项开发了一种新型损失函数。在非单调矩阵博弈场景和 SMAC 等复杂 MARL 基准环境中验证了该方法的有效性，并展示了其在性能方面达到了最新水平。

本文提出了一种可完全扩展和去中心化的多智能体 A2C 算法，用于城市交通网络中的自适应交通信号控制。结果表明其优化性、鲁棒性和样本效率优于其他最先进的去中心化 MARL 算法。