本發(fā)明公開了一種基于層次深度強(qiáng)化學(xué)習(xí)的復(fù)雜游戲AI設(shè)計(jì)方法，該方法包括：初始化上層策略、下層策略，初始化預(yù)測模型，之后：上層策略在初始狀態(tài)隨機(jī)給予下層策略子目標(biāo)goal，下層策略基于狀態(tài)state和子目標(biāo)goal執(zhí)行k個(gè)時(shí)間步，產(chǎn)生下層策略軌跡；保存下層策略軌跡，并使用該軌跡訓(xùn)練下層策略和預(yù)測模型；進(jìn)行初步roll?out產(chǎn)生軌跡，構(gòu)建世界模型；K步后上層策略產(chǎn)生軌跡并保存，同時(shí)訓(xùn)練上層策略；在一定步數(shù)后，上層策略基于狀態(tài)從構(gòu)建好的世界模型中找到合適的子目標(biāo)集合，并采樣子目標(biāo)給予下層策略并執(zhí)行k步；迭代上述過程，不斷完善策略和世界模型。與現(xiàn)有技術(shù)相比，本發(fā)明在降低策略訓(xùn)練難度的前提下，使AI在復(fù)雜游戲場景下更快更穩(wěn)定學(xué)習(xí)到成熟的策略，有效地提高了策略所能達(dá)到的效果。