本發(fā)明公開(kāi)了一種基于PPO算法的強(qiáng)化學(xué)習(xí)智能體訓(xùn)練方法，包括仿真配置管理、訓(xùn)練環(huán)境配置、超參選擇PPO算法、智能體訓(xùn)練、訓(xùn)練結(jié)果分析、模型生成。本發(fā)明的有益效果是：所搭建的平臺(tái)可以解析環(huán)境的關(guān)鍵信息，提供自動(dòng)模型生成功能，根據(jù)環(huán)境中各智能體狀態(tài)空間和動(dòng)作空間的特性、數(shù)據(jù)類(lèi)型、以及仿真環(huán)境提供的“得分”，自動(dòng)地選擇系統(tǒng)內(nèi)置的深度網(wǎng)絡(luò)模型來(lái)表達(dá)策略模型和價(jià)值函數(shù)模型，支持離散、連續(xù)、圖像、不定長(zhǎng)列表等類(lèi)型的輸入數(shù)據(jù)，也支持離散和連續(xù)的動(dòng)作類(lèi)型。模型由平臺(tái)自動(dòng)生成，無(wú)需人為調(diào)整和設(shè)置。