本文主要针对多智能体协同控制问题进行研究。多智能体系统是环境中多个自主智能体交互组成的计算系统,实现多智能体协同控制是提升整体效益的关键。多智能体协同控制的目标是生成一致性策略,其中,最终多智能体收敛到的主导策略称为社会规范。社会规范的涌现是保证智能体协作的关键。针对大规模分布式多智能体系统,由于系统中不存在中心式的控制节点,较难在智能体还未进行交互前直接生成协作策略,因此,研究针对复杂社会网络结构下,如何设计高效的学习策略促进社会规范涌现具有重要意义。针对上述问题,本文将多智能体的协同控制建模为协调博弈问题,提出了解耦的社会强化学习框架,设计基于状态空间分解的强化学习的规范涌现策略。使用语言协调博弈进行验证,其中,智能体需要收敛到一致的词典以成功进行交流。词典表示概念到单词的映射关系,任意词典均为备选规范。直接针对规范整体进行更新的策略为单状态的学习策略,状态对应系统本身,在学习过程中状态始终保持不变,动作对应词典本身。单状态的学习策略在规范空间较大时无法保证产生社会规范。针对该问题,本文提出将词典表的生成过程建模为马尔科夫决策过程,状态对应词典表中的概念,动作对应词典表中的单词。在交互过程中,词典的动态演变可以模拟为马尔科夫博弈,智能体单独递增地改进每个概念对应的单词的值,从而实现规范空间的解耦,将单状态问题转变为多状态问题。在此基础上,本文提出了基于强化学习的多Q和多R两种学习策略。进一步引入师生机制和动态网络重连机制以加速社会规范收敛速度。实验证明本方法在社会规范涌现效率、规范质量等方面均优于最先进的方法。