人工智能的蓬勃发展不仅给各行各业带来了深刻的变革,相关的技术也逐渐应用到人们生活的方方面面。多智能体系统作为人工智能重要技术组成之一,也受到了学界越来越多的关注。早期相关研究多着重于单智能体路径规划,或者环境已知且场景相对简单的多智能体路径规划。现在应用场景的复杂性和多变性,对多智能体系统的决策能力和路径规划的效果有了更高的要求。即便在环境简单且已知的场景,传统方法对于路径规划的求解效率也不是很高,且随着智能体数量增多以及环境规模变大,路径规划的时间呈指数增长。因此传统的多智能体路径规划方法,已经不能满足实际需求。为了在上述难点中完成多智能体路径规划任务,本论文利用深度强化学习的方法,对多智能体路径规划进行了一些探索和研究,并进行仿真实验,取得了一定的成果。主要工作内容如下:（1）对智能体进行建模,搭建多智能体路径规划的仿真环境。为了使仿真更接近于实际,为智能体设置模拟传感器,智能体只能获取到距离自身一定范围内的环境信息。根据多智能体路径规划的特点,设计状态空间、动作空间以及回报函数。（2）提出一种改进MAPPO算法,在智能体进行路径规划的过程中能够选择性的关注其他智能体信息。该算法在MAPPO算法的基础上,引入了变形编码器（Transformer Encoder）对所有智能体的信息进行特征提取,然后对全局信息进行权重计算,得到的特征相对每个智能体来说关注度有所不同。评价网络的注意力更多放在对自己有用的信息上,忽略一些可能造成干扰的信息,据此能够更好的去评价整体的策略。（3）根据所搭建的仿真环境进行实验,从多个角度说明改进算法的有效性、可行性以及高效性。首先在不同智能体数量以及不同障碍物的环境中进行实验,根据实验结果从不同角度验证了改进MAPPO算法的可行性和有效性。通过与MADDPG算法对比,表明改进算法的高效性。通过设置消融实验,与基础MAPPO算法做对比,进一步验证了改进MAPPO算法中变形编码器的重要性。