本發(fā)明公開了一種智能體探索3D迷宮的批A3C強(qiáng)化學(xué)習(xí)方法，為了達(dá)到相對較短的訓(xùn)練時(shí)間和較小的內(nèi)存損耗的目標(biāo)，本發(fā)明使用基于批的強(qiáng)化學(xué)習(xí)方法訓(xùn)練神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)劃分為兩個(gè)部分，第一部分主要包含若干個(gè)卷積層和MLP，得到原始屏幕像素的低維度表示；第二部分是一個(gè)LSTM即長短時(shí)記憶模型。LSTM的輸入是第一部分的MLP的輸出，LSTM的最后一個(gè)時(shí)間步的細(xì)胞輸出外接兩個(gè)MLP，分別用來預(yù)測當(dāng)前狀態(tài)下動(dòng)作a的概率分布以及當(dāng)前狀態(tài)下的狀態(tài)值v的預(yù)測。結(jié)合高效強(qiáng)化學(xué)習(xí)算法與深度學(xué)習(xí)方法實(shí)現(xiàn)智能體自主探索3D迷宮，并且以相對較短的訓(xùn)練時(shí)間和較小的內(nèi)存損耗使得智能體能夠成功的探索3D迷宮環(huán)境。