简介： 本发明公开了一种基于深度强化学习的分层决策方法，先初始化决策对象的战术决策层智能体和意图识别层智能体，意图识别智能体采用深度循环Q网络根据输入的意图识别观测信息，生成意图识别层行为，根据意图识别层行为选择战术决策层智能体；战术决策层智能体采用深度确定性策略梯度算法，根据战术决策观测信息计算战术决策层智能体的行为。本发明战术决策层和意图识别层在训练时是相互独立的，在决策时是相互联系的，避免了同时训练难以收敛的问题，能够加快训练时的算法收敛速度，进而提升智能体整体决策能力。