本發(fā)明公開了一種基于環(huán)境狀態(tài)預(yù)測的深度強化學(xué)習(xí)方法及裝置，其中，方法包括：建立基于環(huán)境預(yù)測的深度強化學(xué)習(xí)網(wǎng)絡(luò)，并根據(jù)任務(wù)的特點選擇合適的策略決策方法；初始化網(wǎng)絡(luò)參數(shù)，并建立滿足存儲條件的存儲區(qū)作為經(jīng)驗回放區(qū)；根據(jù)策略決策網(wǎng)絡(luò)的輸出選擇合適的策略來與環(huán)境進(jìn)行交互，并將交互過程的交互信息連續(xù)存儲到經(jīng)驗回放區(qū)；從經(jīng)驗回放區(qū)采樣第一樣本序列，并利用監(jiān)督學(xué)習(xí)的方法對環(huán)境預(yù)測部分進(jìn)行訓(xùn)練，并重復(fù)第一預(yù)設(shè)次數(shù)；從經(jīng)驗回放區(qū)采樣第二樣本序列，并固定環(huán)境預(yù)測部分的參數(shù)不動，利用強化學(xué)習(xí)的方法對策略決策部分進(jìn)行訓(xùn)練，并重復(fù)第二預(yù)設(shè)次數(shù)；在網(wǎng)絡(luò)收斂滿足預(yù)設(shè)條件時，獲取強化學(xué)習(xí)網(wǎng)絡(luò)。該方法可以有效提高學(xué)習(xí)效率。