本發(fā)明公開了一種基于動態(tài)獎勵的強(qiáng)化學(xué)習(xí)深空探測器自主任務(wù)規(guī)劃方法及系統(tǒng)，方法包括定義深空探測器任務(wù)規(guī)劃強(qiáng)化學(xué)習(xí)參數(shù)；構(gòu)建智能體交互環(huán)境；構(gòu)建策略網(wǎng)絡(luò)；訓(xùn)練策略網(wǎng)絡(luò)；利用訓(xùn)練好的策略網(wǎng)絡(luò)執(zhí)行任務(wù)規(guī)劃。本發(fā)明把深空探測任務(wù)規(guī)劃中的時(shí)間約束、資源約束和時(shí)序約束融合在深空探測器任務(wù)規(guī)劃強(qiáng)化學(xué)習(xí)模型的訓(xùn)練過程中，可保證深空探測器任務(wù)規(guī)劃過程中滿足多種約束，增強(qiáng)了深空探測器智能體對復(fù)雜環(huán)境的適應(yīng)性，同時(shí)動態(tài)獎勵算法將資源約束、時(shí)間約束和時(shí)序約束融合在一起構(gòu)建了即時(shí)獎勵模型，并據(jù)此定義損失函數(shù)更新策略梯度，在保證多約束條件的前提下加快了深空探測器自主任務(wù)規(guī)劃強(qiáng)化學(xué)習(xí)模型的收斂速度，減小了偏差，提高了自主任務(wù)規(guī)劃質(zhì)量。