Este documento revisa el progreso reciente en el aprendizaje basado en la identificación de modelos y el control óptimo y sus aplicaciones a sistemas de múltiples agentes (MASs). Primero, se introduce una clase de método de control óptimo basado en el aprendizaje, conocido como programación dinámica adaptativa (ADP), y se revisan los resultados existentes utilizando métodos ADP para resolver problemas de control óptimo. Luego, este documento investiga varios tipos de métodos de identificación de modelos y analiza la viabilidad de combinar el método de identificación de modelos con el método ADP para resolver el control óptimo de sistemas desconocidos. Además, este documento expone las aplicaciones actuales de los métodos ADP basados en la identificación de modelos en los campos de sistemas de un solo agente (SASs) y MASs. Finalmente, se presentan algunas conclusiones y algunas direcciones futuras.