在本發(fā)明的一實施例中，揭示利用強化學(xué)習(xí)的睡眠環(huán)境調(diào)節(jié)裝置。上述利用強化學(xué)習(xí)的睡眠環(huán)境調(diào)節(jié)裝置可包括：主體，能夠使用戶位于其上；傳感器部，測定上述用戶的生物信號來生成當(dāng)前狀態(tài)信息及工作后的狀態(tài)信息；工作部，為了以處理器的控制信號為基礎(chǔ)來改變上述用戶的睡眠狀態(tài)而調(diào)節(jié)上述主體的睡眠環(huán)境；處理器，包括一個以上的芯片；以及存儲器，用于存儲能夠在上述處理器中執(zhí)行的程序代碼，上述處理器包括：睡眠適當(dāng)性信息生成模塊，以上述當(dāng)前狀態(tài)信息為基礎(chǔ)生成上述用戶的當(dāng)前睡眠適當(dāng)性信息，以上述工作后的狀態(tài)信息為基礎(chǔ)來生成上述用戶的工作后的睡眠適當(dāng)性信息；工作信息確定模塊，以上述當(dāng)前睡眠適當(dāng)性信息為基礎(chǔ)，利用工作確定算法來確定對上述工作部的工作進行控制的工作信息；以及工作適當(dāng)性判斷模塊，對上述工作后的睡眠適當(dāng)性信息與基準(zhǔn)睡眠適當(dāng)性信息進行比較來判斷上述工作的適當(dāng)性并更新上述工作確定算法。