本發(fā)明公開了基于并行優(yōu)勢(shì)動(dòng)作評(píng)價(jià)的強(qiáng)化學(xué)習(xí)自適應(yīng)PID控制方法，包括設(shè)置采樣周期，A2C算法的線程個(gè)數(shù)n，初始化網(wǎng)絡(luò)參數(shù)；根據(jù)當(dāng)前狀態(tài)誤差，利用狀態(tài)轉(zhuǎn)換器構(gòu)造第i個(gè)智能體的輸入狀態(tài)向量；利用RBF網(wǎng)絡(luò)同時(shí)實(shí)現(xiàn)第i個(gè)智能體策略函數(shù)和值函數(shù)的學(xué)習(xí)，參數(shù)值修正后計(jì)算系統(tǒng)輸出，并觀測(cè)下一采樣時(shí)間系統(tǒng)誤差ei(t+1)，計(jì)算獎(jiǎng)勵(lì)函數(shù)ri(t)；判斷是否更新參數(shù)，數(shù)據(jù)總量達(dá)到batch size，停止采樣，輸出狀態(tài)估計(jì)值并更新權(quán)值，將n個(gè)智能體上傳的梯度匯總并求平均，更新Global Net參數(shù)，Global Net傳遞給Actor(i)和Critic(i)新的權(quán)值；迭代重復(fù)，輸出算法的最優(yōu)解。通過本發(fā)明提供的方法，可以有效的克服大超調(diào)，非線性和滯后性對(duì)PID控制器帶來(lái)的影響。