本发明公开了一种基于多智能体强化学习的分布式信道竞争方法，包括如下步骤：步骤1：构建分布式信道竞争场景，并且构建多智能体强化学习所需的基本元素，包括环境、智能体、状态、动作以及奖励函数；步骤2：构建方法所需多智能体强化学习模型；步骤3：智能体与环境进行交互，令各个智能体构建各自的经验回放集合，用以训练多智能体强化学习模型；步骤4：将训练完成的模型用于分布式信道竞争。其优点在于，实现了一种去中心化的信道竞争策略，不需要像传统网络一样依赖于基础设施；相比于使用分布式随机算法有更好的自适应性；可以进行分布式训练，大幅减少训练时间，有较好的信道使用率以及较为公平的信道使用。