本發(fā)明實施例公開一種基于強化學(xué)習(xí)的目標追蹤的訓(xùn)練方法、追蹤方法。本發(fā)明實施例的基于強化學(xué)習(xí)的目標追蹤訓(xùn)練方法，在傳統(tǒng)ppo算法的策略網(wǎng)絡(luò)損失函數(shù)上增加正則項對狀態(tài)價值函數(shù)估計器網(wǎng)絡(luò)和策略網(wǎng)絡(luò)進行訓(xùn)練，強化學(xué)習(xí)的訓(xùn)練過程分為兩個階段，在第一階段訓(xùn)練強化學(xué)習(xí)前期的策略，在第二階段只采集設(shè)置好的閾值距離之內(nèi)的數(shù)據(jù)進行訓(xùn)練，使近距離下的控制更加精確。本發(fā)明利用強化學(xué)習(xí)的方法不需要顯式的預(yù)測未來時刻目標的加速度，只要知道了高速目標歷史時刻的加速度狀態(tài)，利用仿真環(huán)境中大量數(shù)據(jù)的訓(xùn)練以及正確的訓(xùn)練方法，可訓(xùn)練出一個合理的追擊策略。解決了目標追蹤的模型給出的加速度波動過大以及最終的訓(xùn)練精度不夠的問題。