本發(fā)明公開了一種基于對抗架構(gòu)的強(qiáng)化學(xué)習(xí)方法，本發(fā)明相比傳統(tǒng)的離散強(qiáng)化學(xué)習(xí)算法，我們的方法引入對抗架構(gòu)和目標(biāo)神經(jīng)網(wǎng)絡(luò)。對抗架構(gòu)使得算法無須直接對動(dòng)作價(jià)值函數(shù)Q進(jìn)行預(yù)測，而是可以將該價(jià)值函數(shù)分解為狀態(tài)價(jià)值函數(shù)V(s)和優(yōu)勢函數(shù)A(s，a)之和。這種架構(gòu)可以增強(qiáng)價(jià)值函數(shù)預(yù)測的準(zhǔn)確性，并且對于動(dòng)作選擇造成的價(jià)值函數(shù)變化更加敏感，可以加速算法的收斂。而使用目標(biāo)網(wǎng)絡(luò)作為目標(biāo)價(jià)值函數(shù)的評(píng)估網(wǎng)絡(luò)，有效降低了對于動(dòng)作價(jià)值函數(shù)預(yù)測過的估計(jì)風(fēng)險(xiǎn)，使得價(jià)值函數(shù)的預(yù)測更加準(zhǔn)確，提升了算法的魯棒性。