В работе предложена модель для симуляции многоагентной эвакуации с использованием алгоритма Multi-Agent Proximal Policy Optimization (MAPPO). Модель учитывает наличие нескольких эвакуационных выходов с разным временем открытия, нескольких типов агентов, влияние паники на движение и социальные взаимодействия типа «лидер – последователь». Уделено внимание использованию гибридного пространства действий (дискретный выбор выхода, непрерывное движение). Обучение проводилось по принципу «curriculum learning» с постепенным повышением числа агентов для улучшения обобщающей способности модели и адаптации к разному числу агентов. Модель дополнена рядом усовершенствований: использованием dropout-слоев для предотвращения переобучения, экспоненциальным затуханием исследования для плавного перехода к точным действиям, нормализацией наград для стабилизации обучения. Обучение модели проводилось в среде $15\times20$ м с заданным количеством выходов определенной ширины (три выхода шириной 1.5 м, интервал открытия 6 с). Предусмотрена логика распространения информации о выходах. Лидеры знают обо всех выходах с самого начала симуляции. Индивидуальные агенты узнают о выходах в радиусе 5 м и передают информацию соседям в радиусе 2 м. Социальные группы имеют правила поведения: пожилые агенты получают бонус к скорости, а лидеры принимают стратегические решения. Результаты вычислительных экспериментов для сценариев с 50 агентами показали, что наличие социальных групп и лидеров ускоряет процесс эвакуации, особенно для пожилых агентов. Наибольшая эффективность достигалась при наличии двух лидеров, тогда как сценарий с одним лидером приводил к заторам, увеличению времени эвакуации и уровню паники. Таким образом, предложенная модель демонстрирует перспективность применения методов обучения с подкреплением для анализа и оптимизации эвакуации в помещениях сложной конфигурации. Разработанная математическая модель предназначена для использования при создании цифровых двойников процессов имитации и оптимизации потоков людей, а также вычислительных экспериментов по расчету эффективного времени и путей выхода.