奖励模型训练方法、智能体训练方法、目标物选址方法及其装置、存储介质

本公开提供一种奖励模型训练方法、智能体训练方法、目标物选址方法及其装置、存储介质，涉及计算机技术领域。奖励模型训练方法包括：构建样本数据集，其中样本数据集包括用于目标物选址的多个样本状态信息，与第t个样本状态信息对应的第t个样本动作信息，和第t个样本动作信息的奖励值标注信息，第t+1个样本状态信息为执行第t个样本动作信息后得到的样本状态信息，，N为样本状态信息总数；利用奖励模型对第t个样本状态信息、第t个样本动作信息和第t+1个样本状态信息进行处理，得到第t个样本动作信息的奖励值；根据第t个样本动作信息的奖励值和第t个样本动作信息的奖励值标注信息，对奖励模型进行训练。