自二十世纪90年代以来，关于多Agent系统的研究逐渐引起重视并成为人工智能研究的热点。多Agent系统中，具有不同目标的各个Agent必须对其目标和资源使用进行协作，因此，Agent间的协作是多Agent系统(MAS)研究的核心问题。协作不仅能提高单个Agent以及多Agent系统的整体性能，增强Agent及多Agent系统解决问题的能力，还可以提高多Agent系统的灵活性。这就需要多Agent系统中每一个都必须具备学习能力，从而优化系统性能，适应环境变化。 强化学习是近几十年来迅速发展起来的一类机器学习算法。强化学习不需要有先验知识，而是通过与环境的不断交互获得知识，改进行为策略，具有自学习的能力。强化学习由于自身特点，在多Agent协作研究领域中受到了国内外越来越多的重视。 基于马尔科夫过程的强化学习作为一种在线学习方式，能够很好地应用于单智能体环境中。由于强化学习理论的限制，在多智能体系统中马尔科夫过程模型不再适用，因此不能把强化学习直接用于多智能体的协作学习问题。 在基于强化学习的多智能体环境下，评价一个智能体行为的效果和其他智能体的行为是密切相关的，如果每个智能体都能够通过预测其他智能体的行为再来采取自己的行为，则必将大大促进整个系统的协作。在传统强化学习方式中引入组合动作的基础上，本文采用了一种基于行为预测的多智能体强化学习方法，研究了对其他智能体行为进行预测的几种可行方法。并且在研究了种通过动作概率进行预测的方法后，提出了一种基于历史动作采样的预测方法。其中，提出了一种基于长期得益的阶段博弈的评估方法，长期得益可以随着与环境的不断交互和获得环境给予的回报而逐渐收敛至稳定值；提出了一种LR的行为选择策略，它可以驱使agent采取最优的行为。作者对算法进行了一系列实验，其结果都是收敛的，表明该算法是有效的，实验还对影响稳定值大小和收敛速度的因素得出了有益的结论。