简介： 本发明公开了一种基于环境状态预测的深度强化学习方法及装置，其中，方法包括：建立基于环境预测的深度强化学习网络，并根据任务的特点选择合适的策略决策方法；初始化网络参数，并建立满足存储条件的存储区作为经验回放区；根据策略决策网络的输出选择合适的策略来与环境进行交互，并将交互过程的交互信息连续存储到经验回放区；从经验回放区采样第一样本序列，并利用监督学习的方法对环境预测部分进行训练，并重复第一预设次数；从经验回放区采样第二样本序列，并固定环境预测部分的参数不动，利用强化学习的方法对策略决策部分进行训练，并重复第二预设次数；在网络收敛满足预设条件时，获取强化学习网络。该方法可以有效提高学习效率。