简介： 本发明公开了一种可迁移的基于示教和策略解耦的行为决策和状态规划学习算法，涉及强化学习领域，包括决策模块，规划模块和决策规划判别模块，所述规划模块基于环境的状态预测目标状态，并交由所述决策模块执行，利用监督学习；所述决策模块又称为逆环境模块，基于环境的状态和所述规划模块预测的目标状态输出决策信号，即动作；所述决策规划判别模块基于环境中采样的状态数据与专家示教数据进行对抗学习，给出用于所述规划模块学习的奖励信号。本发明提高了泛化性。