本發(fā)明公開了一種基于策略選項(xiàng)的分層強(qiáng)化學(xué)習(xí)方法和裝置，所述方法包括：構(gòu)建高層策略網(wǎng)絡(luò)、低層策略網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)；從仿真環(huán)境，獲取狀態(tài)軌跡；基于狀態(tài)軌跡和策略在線算法的學(xué)習(xí)過程，對高層策略網(wǎng)絡(luò)、低層策略網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)的參數(shù)進(jìn)行更新；根據(jù)更新參數(shù)后的高層策略網(wǎng)絡(luò)、低層策略網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)，生成更新后的策略模型，并對更新后的策略模型進(jìn)行測試。本發(fā)明實(shí)施例的基于策略選項(xiàng)的分層強(qiáng)化學(xué)習(xí)方法，能夠在仿真環(huán)境中從零開始學(xué)習(xí)動(dòng)作和高層策略，且性能穩(wěn)定、數(shù)據(jù)使用效率高。