本發(fā)明實施例提供一種強(qiáng)化學(xué)習(xí)方法、裝置、電子設(shè)備及存儲介質(zhì)，所述方法包括：確定智能體在執(zhí)行完當(dāng)前執(zhí)行動作后的觀測狀態(tài)，作為下一觀測狀態(tài)；基于預(yù)先設(shè)定的觀測狀態(tài)與規(guī)則狀態(tài)的映射關(guān)系，確定下一觀測狀態(tài)對應(yīng)的下一規(guī)則狀態(tài)；基于預(yù)先設(shè)定的智能體執(zhí)行策略和下一規(guī)則狀態(tài)，確定智能體的下一執(zhí)行動作，并基于下一規(guī)則狀態(tài)和下一執(zhí)行動作確定下一行動效用值；基于下一行動效用值，更新智能體的當(dāng)前行動效用值，直至滿足預(yù)先設(shè)定的交互終止條件。本發(fā)明實施例提供的強(qiáng)化學(xué)習(xí)方法、裝置、電子設(shè)備及存儲介質(zhì)，行動效用值的計算量大幅減少，縮減了計算維度，提升了強(qiáng)化學(xué)習(xí)效率。