本發(fā)明涉及一種基于生成模型的隱空間模型化策略搜索學(xué)習(xí)方法，收集環(huán)境的真實狀態(tài)轉(zhuǎn)移樣本數(shù)據(jù)；構(gòu)造變分自編碼器網(wǎng)絡(luò)模型；訓(xùn)練變分自編碼器網(wǎng)絡(luò)模型直至收斂；在隱空間構(gòu)建條件生成對抗網(wǎng)絡(luò)模型；訓(xùn)練條件生成對抗網(wǎng)絡(luò)模型直至收斂，得到隱空間中的狀態(tài)轉(zhuǎn)移預(yù)測模型；利用隱空間狀態(tài)轉(zhuǎn)移預(yù)測模型和當(dāng)前策略生成數(shù)量足夠多的路徑樣本；利用路徑樣本更新策略搜索強(qiáng)化學(xué)習(xí)算法中策略模型的參數(shù)，直到策略模型的參數(shù)更新收斂為止。本發(fā)明是利用生成模型的降維能力和捕捉數(shù)據(jù)分布能力來模型化狀態(tài)轉(zhuǎn)移函數(shù)，并進(jìn)行策略搜索的方法，既可以解決高維數(shù)據(jù)很難直接處理的問題，減少內(nèi)存消耗，又可以高效地解決樣本數(shù)量較少或采樣預(yù)算不足的難題。