摘要 - 强化学习（RL）是顺序决策的有效工具，并且已经在许多具有挑战性的现实世界任务中实现了人类能力。作为多代理系统域中RL的扩展，多代理RL（MARL）不仅需要学习控制策略，而且还需要考虑与环境中与所有其他代理的相互作用，以及不同的系统组件之间的相互影响以及计算资源的分布。这增加了算法设计的复杂性，并对计算资源提出了更高的要求。同时，模拟器对于获取现实数据至关重要，这是RL的基本原理。在本文中，我们首先提出了一系列模拟器指标，并总结了现有基准的功能。第二，为了简化理解，我们回想起基础知识，然后综合了最近对MAL相关的自动驾驶和智能运输系统的高级研究。具体来说，我们检查了他们的环境建模，状态表示，感知单位和算法设计。最终讨论了公开挑战，前景和机遇。我们希望本文能够帮助研究人员整合MARL技术，并触发更有洞察力的想法，以实现智能和自主驾驶。