本發(fā)明公開(kāi)了一種基于無(wú)觀測(cè)狀態(tài)下的網(wǎng)絡(luò)型強(qiáng)化學(xué)習(xí)方法，包括：初始化DQN算法網(wǎng)絡(luò)模型的網(wǎng)絡(luò)模型參數(shù)、輸入?yún)?shù)；依據(jù)網(wǎng)絡(luò)模型參數(shù)、輸入?yún)?shù)采用估計(jì)網(wǎng)絡(luò)，確定初始策略；根據(jù)當(dāng)前時(shí)刻與初始策略交互的環(huán)境反饋出的價(jià)值評(píng)估值，確定當(dāng)前假設(shè)狀態(tài)；依據(jù)價(jià)值評(píng)估值及當(dāng)前假設(shè)狀態(tài)，確定當(dāng)前時(shí)刻對(duì)應(yīng)的最優(yōu)策略；根據(jù)價(jià)值評(píng)估值、當(dāng)前時(shí)刻對(duì)應(yīng)的最優(yōu)策略，優(yōu)化DQN算法網(wǎng)絡(luò)模型。本發(fā)明還公開(kāi)了一種基于無(wú)觀測(cè)狀態(tài)下的網(wǎng)絡(luò)型強(qiáng)化學(xué)習(xí)系統(tǒng)。該基于無(wú)觀測(cè)狀態(tài)下的網(wǎng)絡(luò)型強(qiáng)化學(xué)習(xí)方法及系統(tǒng)的目的是解決在真實(shí)動(dòng)態(tài)博弈場(chǎng)景下對(duì)抗雙方存在信息不對(duì)等情況下，無(wú)法獲取對(duì)方狀態(tài)信息時(shí)，現(xiàn)有強(qiáng)化學(xué)習(xí)模型難以在該場(chǎng)景下直接應(yīng)用的問(wèn)題。