本發(fā)明實(shí)施例提供了一種智能體的強(qiáng)化學(xué)習(xí)模型訓(xùn)練方法及系統(tǒng)，上述方法包括：接收所述環(huán)境服務(wù)器發(fā)送的任意一個(gè)仿真環(huán)境包括的各個(gè)智能體的經(jīng)驗(yàn)數(shù)據(jù)；將相關(guān)聯(lián)的智能體的經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行混合并存儲(chǔ)于預(yù)設(shè)經(jīng)驗(yàn)池中；獲取混合后的經(jīng)驗(yàn)數(shù)據(jù)作為樣本數(shù)據(jù)，并基于所述樣本數(shù)據(jù)觸發(fā)待訓(xùn)練強(qiáng)化學(xué)習(xí)模型的訓(xùn)練，得到輸出的預(yù)測(cè)運(yùn)行策略信息；將所述預(yù)測(cè)運(yùn)行策略信息發(fā)送至所述環(huán)境服務(wù)器，以使所述環(huán)境服務(wù)器中對(duì)應(yīng)的仿真環(huán)境執(zhí)行對(duì)應(yīng)的預(yù)測(cè)運(yùn)行策略；如果達(dá)到預(yù)設(shè)的模型訓(xùn)練結(jié)束條件，將當(dāng)前的待訓(xùn)練強(qiáng)化學(xué)習(xí)模型確定為訓(xùn)練得到的目標(biāo)強(qiáng)化學(xué)習(xí)模型訓(xùn)練。即本發(fā)明實(shí)施例提出了一種新的支持多智能體、多仿真環(huán)境的高效的強(qiáng)化學(xué)習(xí)模型訓(xùn)練框架。