本申請屬于智能決策技術(shù)領(lǐng)域，涉及基于強化學(xué)習(xí)的兵棋多實體異步協(xié)同決策方法和裝置，方法包括：獲取兵棋推演環(huán)境以及多實體異步協(xié)同決策問題，對多實體異步協(xié)同決策問題進行建模分析，得到初始模型；根據(jù)初始模型，采用多智能體深度強化學(xué)習(xí)算法，建立智能體網(wǎng)絡(luò)模型和混合評估網(wǎng)絡(luò)模型；對智能體網(wǎng)絡(luò)模型和混合評估網(wǎng)絡(luò)模型進行訓(xùn)練，得到協(xié)同決策框架；通過設(shè)置加權(quán)算子或通過多步回報優(yōu)化多智能體深度強化學(xué)習(xí)算法，重構(gòu)多智能體深度強化學(xué)習(xí)算法的損失函數(shù)；采用重構(gòu)的損失函數(shù)更新協(xié)同決策框架；根據(jù)更新后的協(xié)同決策框架，對多實體的異步協(xié)同進行決策。本申請能夠?qū)崿F(xiàn)兵棋推演中多實體異步協(xié)同的決策。