В автономных энергосистемах необходимо формировать микроэлектрические сети так, чтобы обеспечить максимально возможную суммарную мощность запитанных потребителей с учетом их приоритетов и ограниченной мощности источников. Поэтому предложено использовать современную технологию мультиагентного глубокого обучения с подкреплением. Идея представленного алгоритма в максимизации количества агентов, принимающих решения о запитывании узлов электросети, с одновременным сокращением продолжительности их функционирования. В отличие от подхода, предполагающего длительный жизненный цикл агентов, данный подход демонстрирует повышенную эффективность в электрических сетях, имеющих сложную топологию. Удается автоматически удовлетворить топологические ограничения микросетей без итерационного перерасчета, что существенно снижает вычислительную нагрузку и ускоряет процесс обучения нейросети. Алгоритм апробирован на тестовых системах IEEE-33 и IEEE-300.