本發(fā)明公開了基于并行優(yōu)勢動作評價的強化學習自適應PID控制方法，包括設置采樣周期，A2C算法的線程個數(shù)n，初始化網(wǎng)絡參數(shù)；根據(jù)當前狀態(tài)誤差，利用狀態(tài)轉換器構造第i個智能體的輸入狀態(tài)向量；利用RBF網(wǎng)絡同時實現(xiàn)第i個智能體策略函數(shù)和值函數(shù)的學習，參數(shù)值修正后計算系統(tǒng)輸出，并觀測下一采樣時間系統(tǒng)誤差ei(t+1)，計算獎勵函數(shù)ri(t)；判斷是否更新參數(shù)，數(shù)據(jù)總量達到batch size，停止采樣，輸出狀態(tài)估計值并更新權值，將n個智能體上傳的梯度匯總并求平均，更新Global Net參數(shù)，Global Net傳遞給Actor(i)和Critic(i)新的權值；迭代重復，輸出算法的最優(yōu)解。通過本發(fā)明提供的方法，可以有效的克服大超調(diào)，非線性和滯后性對PID控制器帶來的影響。