一种针对非对抗性任务的自学习方法、装置、设备及介质

本发明涉及强化学习技术领域，具体涉及一种针对非对抗性任务的自学习方法、装置、设备及介质，所述方法包括：步骤1：初始化非对抗性任务的决策神经网络；步骤2：基于当前所述决策神经网络执行MCTS状态搜索算法，获取第三方效能评分并记录路径信息；步骤3：根据所述第三方效能评分及路径信息对决策神经网络进行训练优化；步骤4：重复并行执行步骤2‑3，直至所述决策神经网络满足触发终止条件。本申请提供的针对非对抗性任务的自学习方法不会受限于任务场景，针对所有的非对抗性任务都能较好的结果，可根据任务场景进行适应修改；针对不同的非对抗性任务都能快速从0逐步探索出最短解，最大程度的避免重复计算，提高探索效率。