本發(fā)明公開(kāi)了一種基于強(qiáng)化學(xué)習(xí)的解決氣體勘測(cè)問(wèn)題的方法，包括如下步驟：S1:定義解決氣體含量勘測(cè)問(wèn)題需要的動(dòng)作空間和狀態(tài)空間，為actor?演員角色和critic?評(píng)論家角色分別建立神經(jīng)網(wǎng)絡(luò)來(lái)處理動(dòng)作的生成和評(píng)價(jià)的反饋;S2:將初始動(dòng)作傳遞給問(wèn)題環(huán)境，得到對(duì)應(yīng)的狀態(tài)和動(dòng)作結(jié)果的獎(jiǎng)懲值，以及l(fā)oss值，將loss值和獎(jiǎng)懲值反饋給神經(jīng)網(wǎng)絡(luò)進(jìn)行梯度下降處理得到下一步的動(dòng)作;S3:將得到的狀態(tài)（氣體含量）進(jìn)行氣體勘測(cè)，平衡多種約束條件再次利用強(qiáng)化學(xué)習(xí)概率選擇的能力去尋求最優(yōu)解。本發(fā)明利用算法強(qiáng)大的學(xué)習(xí)能力和神經(jīng)網(wǎng)絡(luò)高運(yùn)算速率的優(yōu)勢(shì)去解決氣體勘測(cè)問(wèn)題中尋找最優(yōu)解問(wèn)題，解決了傳統(tǒng)遺傳算法時(shí)間長(zhǎng)，復(fù)雜度高問(wèn)題。