多智能体图形博弈是现代控制理论的重要研究课题,已经得到国内外众多学者的大量研究。对于每个智能体,一个合理的只依赖每个智能体可获得的局部信息的性能指标被定义。虽然可以通过解哈密顿-雅克比-贝尔曼（HJB）方程得到每个智能体的最优控制,但是在多智能体图形博弈中该方程组是耦合的,因此通过传统的方式解HJB方程往往是非常困难的,甚至是无法解决的。强化学习是机器学习的子领域,通过将强化学习和控制论相结合的方式往往可以解决一些传统控制论方法解决起来很困难的问题。一些学者通过将强化学习与控制论结合的方式提出了一些基于强化学习的在线迭代算法,这些算法往往是通过在线迭代的方式在不需要系统矩阵的条件下完成了HJB方程的求解,避免了传统方法解复杂的HJB方程的过程。在近几年,很多基于强化学习方式的控制问题的研究结果已经被提出了,例如近几年提出的零和博弈问题,离散多智能体图形博弈问题,连续多智能体图形博弈问题,带有输入限制的多智能体图形博弈问题等。基于现有的研究成果,本文主要研究了带有输入限制的离散多智能体图形博弈问题。在该问题中,为了获得每个智能体的最优控制,解一系列耦合的HJB方程是必要的,但是使用传统方式解HJB方程是困难的,如果输入带有限制那么相关的博弈问题将会变得更加的复杂。在本文中,定义了一种只依赖于当前智能体可获得的局部信息的性能指标,基于该性能指标提出了一种被用于找到带有输入约束的动态图形博弈的在线迭代解的在线迭代算法。事实上,这个算法是通过在线方式找到贝尔曼方程的解,这个解应用了一个分布式策略迭代处理,每个智能体只利用了自己可以获得的局部信息,并且在该算法的实施过程中每个智能体使用了两个神经网络分别用来拟合值函数和控制策略。可以证明,在特定条件下每个智能体通过该算法更新自己的策略,最终所有的智能体控制策略将构成一个纳什均衡。