本發(fā)明提出一種基于監(jiān)督式強(qiáng)化學(xué)習(xí)的最優(yōu)控制方法，包括步驟：步驟1，初始化控制器和評(píng)價(jià)器的人工神經(jīng)網(wǎng)絡(luò)的權(quán)值等參數(shù)，及一組訓(xùn)練數(shù)據(jù)集；步驟2，選擇一組系統(tǒng)狀態(tài)開始迭代；步驟3，監(jiān)督式控制器產(chǎn)生初始穩(wěn)定的控制策略，控制器通過調(diào)整自身權(quán)值逼近該控制策略；步驟4，控制器生成相應(yīng)的控制動(dòng)作，并附加一定的隨機(jī)噪聲作為探索；步驟5，將帶有噪聲的控制動(dòng)作施加到被控制的系統(tǒng)上，觀測(cè)下一時(shí)刻系統(tǒng)的狀態(tài)和回報(bào)；步驟6，調(diào)整控制器和評(píng)價(jià)器的人工神經(jīng)網(wǎng)絡(luò)的權(quán)重；步驟7，判斷當(dāng)前狀態(tài)是否滿足終止條件，是則進(jìn)入步驟8，否則回到步驟3；步驟8，判斷初始的系統(tǒng)狀態(tài)數(shù)據(jù)是否已經(jīng)全部用于訓(xùn)練，是則輸出最終的控制器，否則回到步驟2。