本发明公开了一种基于深度强化学习的多智能体联邦协作方法，包括以下步骤：S1、对每个智能体建立深度强化学习模型；S2、为智能体建立对应的神经网络；S3、智能体与环境进行交互，将决策经验存储到经验池中，并且根据随机梯度下降法更新本地的神经网络模型；S4、将本地的神经网络模型参数传给协作平台；S5、对智能体上传的参数进行聚合处理，并将结果返回给各个智能体进行参数更新；S6、智能体进行软更新，得到最新的本地模型参数；S7、重复S3‑S6，直到完成目标任务。本发明的智能体在通过深度强化学习进行环境探索与决策的同时，利用联邦学习技术获取其他智能体学习经验，从而有效地提高智能体学习效率，且降低智能体之间的协作开销。