El aprendizaje por refuerzo multiagente (MARL) ha demostrado un potencial significativo de aplicación en la resolución de problemas de control cooperativo, optimización de políticas y asignación de tareas en sistemas complejos. Este documento se centra en sus aplicaciones y desarrollo en sistemas ambientales acuáticos, proporcionando una revisión sistemática de los fundamentos teóricos de los sistemas multiagente y el aprendizaje por refuerzo, y resumiendo tres categorías representativas de algoritmos MARL convencionales. También se examinan escenarios de control típicos en sistemas de agua. Desde la perspectiva del control cooperativo, este documento investiga los mecanismos de modelado y las estrategias de coordinación de políticas de MARL en tareas clave como la programación del suministro de agua, la co-regulación hidroenergética y el monitoreo autónomo. Además, analiza los desafíos y soluciones para mejorar la eficiencia cooperativa global bajo restricciones prácticas como recursos limitados, heterogeneidad del sistema y comunicación inestable. Adicionalmente, se resume el progreso reciente en generalización de dominio cruzado, marcos de comunicación-percepción integrados y mejora de la robustez a nivel de sistema. Este trabajo tiene como objetivo proporcionar una base teórica y perspectivas clave para avanzar en la investigación y aplicaciones prácticas del control inteligente basado en MARL en sistemas de infraestructura hídrica.