简介： 本发明涉及一种基于条件生成对抗网络的模型化策略搜索学习方法，其技术特点是包括以下步骤：收集环境的真实状态转移样本；构造条件生成对抗网络模型，该条件生成对抗网络模型包括生成器与判别器；利用真实状态转移样本训练条件生成对抗网络直至收敛，最终训练得到的生成器为环境状态转移预测模型；生成数量足够多的路径样本；利用路径样本更新策略搜索强化学习算法中策略模型的参数，直到策略模型的参数更新收敛为止。本发明设计合理，当得到了环境模型的生成器后，在学习策略时不再需要额外的花费进行样本的采样，能够系统有效地解决大规模环境中复杂决策问题。