本申请实施例公开了一种多智能体强化学习、策略执行方法及计算机设备。其中，方法包括：利用各智能体的内部状态以及环境状态建立多智能体决策模型；以各智能体的内部状态以及环境状态作为输入，并以智能体的行动策略作为输出，构建多智能体强化学习模型；基于预先设置的策略路径数量以及初始行动策略对多智能体强化学习模型进行训练，在训练过程中，按照多智能体决策模型确定智能体的下一行动策略，根据下一步行动策略执行动作得到下一环境状态和内部状态；直到环境状态或内部状态满足结束条件且迭代训练的次数达到策略路径数量，得到训练完成的多智能体强化学习模型。结合环境状态和内部状态，就无需再考虑智能体的相互作用，可以避免训练过程中出现维度爆炸的问题。