简介： 本说明书实施例提供一种更新业务预测模型的方法和装置，其中业务预测模型包括通过强化学习实现的智能体。方法包括：获取业务请求，根据业务请求确定环境的状态特征；将状态特征输入智能体，智能体根据第一策略参数下的策略函数，确定对应的业务响应作为当前动作。然后，向环境输出业务响应，基于环境反馈确定当前奖励。接着，根据状态特征，当前动作和当前奖励，以损失函数最小化为目标，确定更新后的第二策略参数，其中损失函数与第一目标项负相关，所述第一目标项包括，采用混合高斯模型GMM，将第二策略参数下的策略函数表示为K个高斯分布的组合的第一表达式；于是，可以用第二策略参数下的策略函数，更新智能体。