本发明提出一种基于演员‑评论家强化学习和模糊逻辑的多智能体编队控制方法，将最优控制方法引入多机器人系统领航跟随者编队控制方法中，利用模糊逻辑系统逼近连续函数的能力，解决最优控制中汉密尔顿‑雅可比‑贝尔曼方程难以求取解析解的问题；同时，结合演员‑评论家强化学习算法，形成演员模糊逻辑系统模块和评论家模糊逻辑系统模块，前者执行控制行为，后者对前者所选择的行为进行评价并将评价信息反馈给前者。该方法可以平衡控制性能和资源损耗，并且以在线学习的方式提高多机器人系统对于环境的适应性。