本公開提供了一種強(qiáng)化學(xué)習(xí)模型的訓(xùn)練方法、能耗確定方法和裝置，涉及人工智能領(lǐng)域，具體為強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)、物聯(lián)網(wǎng)等技術(shù)領(lǐng)域，適用于能耗預(yù)測場景。強(qiáng)化學(xué)習(xí)模型的訓(xùn)練方法包括：將歷史能耗數(shù)據(jù)和多個(gè)目標(biāo)模型的模型能力數(shù)據(jù)，輸入待訓(xùn)練的強(qiáng)化學(xué)習(xí)模型的第一子模型，輸出與多個(gè)目標(biāo)模型相關(guān)聯(lián)的權(quán)重；利用待訓(xùn)練的強(qiáng)化學(xué)習(xí)模型的第二子模型，基于權(quán)重確定用于評價(jià)第一子模型的評價(jià)值；基于評價(jià)值，調(diào)整第一子模型的模型參數(shù)和第二子模型的模型參數(shù)，得到經(jīng)訓(xùn)練的強(qiáng)化學(xué)習(xí)模型。