La tecnología de comunicación de dispositivo a dispositivo (D2D) es el componente principal de la comunicación futura, que mejora significativamente la utilización de los recursos del espectro. Sin embargo, en la red de comunicación multiplex de suscriptores D2D, la interferencia entre los enlaces de comunicación es seria y la eficiencia del sistema se ve degradada. Los esquemas tradicionales de asignación de recursos necesitan mucha información de canal al enfrentarse a problemas de interferencia en el sistema, y presentan problemas de capacidad débil de asignación dinámica de recursos y baja capacidad de rendimiento del sistema. Ante este desafío, este documento propone un algoritmo de asignación de recursos de comunicación D2D multiagente basado en Advantage Actor Critic (A2C). Primero, se establece un modelo de sistema de comunicación celular multi-D2D basado en A2C Critic, luego se actualizan los parámetros de la red actor y de la red crítica en el sistema, y finalmente se produce de manera dinámica y adaptable el esquema de asignación de recursos de los usuarios D2D. Los resultados de la simulación muestran que en comparación con DQN (red Q profunda) y MAAC (actor crítico multiagente), el rendimiento promedio del sistema se mejora en un 26% y un 12.5%, respectivamente.