随着现代社会智能化水平的提高,针对多智能体的研究成为了当下的热门,而多智能体的追踪-逃逸问题由于同时存在着智能体之间的协同合作与竞争博弈,是多智能体研究中的核心问题之一。自追逃博弈提出以来,追逃问题逐渐发展为一个庞大的问题家族,本文主要针对三维环境下的多智能体逃逸问题展开研究。本文引入了强化学习的方法弥补了传统方法在无模型情况下无法设计控制器的不足。本文提出了一种基于DQN算法的多智能体逃逸算法,该算法为分布式学习。智能体通过两个阶段自我学习,通过设置不同子任务的方法来优化自身的逃逸策略。针对多智能体逃逸算法中可能发生同方智能体碰撞的问题,提出了一种多智能体逃逸与避碰算法。同时为使得多智能体逃逸与避碰算法对任一逃逸者具有普适性与一定的泛化能力,对多智能体的初始状态选取规则进行设计。通过仿真实验对改进前后的算法进行了验证。此外本文还提出了一种集中式多智能体逃逸算法,以解决分布式学习下其余智能体作为环境的一部分导致环境不稳定,进而影响算法收敛的缺陷,并通过仿真实验进行了验证。对仿真结果进行分析,在训练之后,多智能体逃逸算法成功收敛,逃逸方智能体可以采用此逃逸策略成功在三维环境中追踪方智能体地追踪下逃逸。