本發(fā)明公開了一種基于適合度軌跡的神經(jīng)網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)方法及系統(tǒng)。該神經(jīng)網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)方法包括：初始化神經(jīng)網(wǎng)絡(luò)權(quán)值，強(qiáng)化學(xué)習(xí)參數(shù)及適合度軌跡；獲取當(dāng)前環(huán)境狀態(tài)和立即回報(bào)值；計(jì)算強(qiáng)化學(xué)習(xí)的Q值函數(shù)；獲取適合度軌跡和更新神經(jīng)網(wǎng)絡(luò)權(quán)值；檢測新的環(huán)境狀態(tài)和立即回報(bào)值；新的環(huán)境狀態(tài)和立即回報(bào)值滿足結(jié)束條件，強(qiáng)化學(xué)習(xí)結(jié)束，不滿足結(jié)束條件，返回重新檢測獲取當(dāng)前環(huán)境狀態(tài)和立即回報(bào)值。其優(yōu)點(diǎn)在于：解決了強(qiáng)化學(xué)習(xí)面對連續(xù)狀態(tài)空間的函數(shù)逼近問題，同時引進(jìn)的適合度軌跡，對經(jīng)歷過的狀態(tài)動作正確的訪問路徑的有效保存，提高神經(jīng)網(wǎng)絡(luò)的泛化性能，最后加快算法的收斂速度。