在许多现实场景中，一组智能体必须在去中心化的方式下协同行动，同时保持行为协调。与此同时，通常可以在中心化模式下训练这些智能体，即在训练过程中可获取全局状态信息，并且无需考虑通信约束。基于额外状态信息学习联合动作值（joint action-values）是一种有效利用中心化训练优势的策略，但如何从中提取出去中心化策略仍不明确。为此，我们提出了QMIX——一种新颖的基于价值函数的多智能体强化学习方法，能够以端到端的方式实现去中心化策略的中心化训练。QMIX采用一个混合网络（mixing network），将联合动作值表示为各智能体动作值的单调组合。通过在混合网络中引入非负权重，我们从结构上保证联合动作值随各智能体动作值的变化呈单调性，从而确保中心化训练与去中心化执行之间的一致性。为评估QMIX的性能，我们提出了“星际争霸多智能体挑战赛”（StarCraft Multi-Agent Challenge, SMAC），作为深度多智能体强化学习领域的新基准。我们在一系列具有挑战性的SMAC场景中对QMIX进行了评估，结果表明，该方法显著优于现有的多智能体强化学习算法。