面向强化学习算法的数据处理方法、系统、设备和介质

本申请涉及一种面向强化学习算法的数据处理方法、系统、设备和介质，包括：通过将目标参数与目标强化算法进行配置化处理，能方便快捷地调整目标参数以达到优化训练的效果。通过将时序差分作为智能体和数据环境交互的基础过程，以此来解决对统一训练范式的建模，配合接口函数、经验回放池和多种辅助操作，能够快速方便的接入强化学习算法和强化学习数据环境的同时，高效地对算法进行修改、调试和优化，减少算法实现上带来的逻辑负担。