本发明属于多智能体强化学习技术领域，具体技术方案为：一种基于深度强化学习的多智能体导航算法：一、建模：将智能体速度和角速度均进行限定，定义智能体当前时刻的速度信息、低维环境特征；二、重要性采样，确定最终目标函数；三、置入奖惩函数，通过奖惩函数指导智能体所选择行为好坏的评价标准；该算法将A*算法融合到PPO算法中，利用设计的奖惩函数实现两种算法的深度融合，智能体通过输入传感器原始图像数据，决策规划出最佳行动路径，到达目标点，本算法在不同场景中的成功率、耗时、距离和平均速度等方面均很优秀，并且通过改变场景、增加智能体数量等方式证明了该算法具有良好的迁移能力，通过迁移到更复杂的场景下满足不同的需求。