本申請(qǐng)?zhí)峁┮环N基于多Agent環(huán)境的深度強(qiáng)化學(xué)習(xí)算法、設(shè)備和存儲(chǔ)介質(zhì)，涉及深度強(qiáng)化學(xué)習(xí)算法技術(shù)領(lǐng)域；通過(guò)步驟S101、利用Agent中的目標(biāo)網(wǎng)絡(luò)，基于初始狀態(tài)信息和動(dòng)作信息，確定時(shí)間差分；步驟S102、根據(jù)預(yù)設(shè)的遮蓋率，對(duì)初始狀態(tài)信息進(jìn)行隨機(jī)遮蓋，得到目標(biāo)狀態(tài)信息，利用Agent中的預(yù)測(cè)網(wǎng)絡(luò)，以及時(shí)間差分，確定誤差值；步驟S103：基于誤差值，以及自適應(yīng)修改參數(shù)，對(duì)Agent中的預(yù)測(cè)網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)各自對(duì)應(yīng)的加權(quán)值進(jìn)行更新；步驟S104：重復(fù)步驟S102和步驟S103預(yù)設(shè)次數(shù)，確定目標(biāo)加權(quán)值，從而確定目標(biāo)深度強(qiáng)化學(xué)習(xí)模型。具有保證了樣本學(xué)習(xí)效率，并通過(guò)自適應(yīng)修改參數(shù)對(duì)深度強(qiáng)化學(xué)習(xí)模型中的Agent進(jìn)行迭代更新，以提高收斂速度的效果。