研究的目标是基于深度强化学习算法的多智能体系统，并基于智能智能体分析在系统内建立交互的方式。 此外，本文中的部分材料涵盖了在元级别上组织代理管理和管理的方法：外部控制员和优化他们工作的工具，描述了应加快代理培训的体系结构解决方案。 所研究的成熟的多智能体系统可以灵活地扩展，并且可以有效地加速智能体训练和解决问题的质量。本文考虑了以下神经网络模型：DQN，DDQN，PPO，TD（基于方法（Q-Learning）上），这是一种将神经网络与蒙特卡洛树搜索结合使用的方法。 在数独问题上使用5039个组合（尺寸为2×2、4×4和9×9）的数据集对所提出的模型进行了测试。 描述了在学习和解决问题过程中数据的呈现方式。 还通过蒙特卡洛树搜索建立了基于该模型的多主体系统，根据研究结果表明，对于复杂环境中的任务，基于Q学习的模型实际上是无效的（图支持该声明）。 这些模型的训练过程对工作站硬件的特性要求很高。 还确定了蒙特卡洛树搜索方法做得很好。 即使迭代次数很少，它也比其他深度学习方法（9×9的精度为45％至50％）显示出更好的结果。 但是，一个显着的缺点是训练模型的复杂性，并且对于这种研究，硬件要求太大。
