针对多车强化学习的决策方法、装置、存储介质及设备

本申请公开一种针对多车强化学习的决策方法、装置、存储介质及设备，包括：为基于多车强化学习模型控制的每个车辆分配优先级指数；按照优先级指数从高到低的顺序遍历每个车辆；针对遍历的当前车辆，获取多车强化学习模型输出的第i时间步内的探索性动作，判断当前车辆与其他车辆在第i时间步内是否存在碰撞风险；若不存在，则将第i时间步内的探索性动作作为当前车辆在第i时间步内的实际动作；否则基于当前车辆在第i时间步处的安全裕度，从有效动作集合中筛选出当前车辆在第i时间步内的实际动作；将i+1后获得新的i，并返回执行获取第i时间步内探索性动作的步骤，直至确定当前车辆在预设时间范围内每个时间步的实际动作后，继续遍历下一车辆。