模型训练方法、控制方法、设备、介质及程序产品

本发明实施例公开了一种模型训练方法、控制方法、设备、介质及程序产品。该方法包括：获取训练样本集；将训练样本中的下一训练状态输入初始行动网络，得到初始行动网络输出的下一训练动作；将下一训练动作、训练样本中的当前训练状态、当前训练动作及下一训练状态输入初始价值网络，得到初始价值网络输出的当前目标Q值；若不满足迭代终止条件，则根据当前目标Q值，更新初始价值网络，得到更新后的初始价值网络，更新初始行动网络，得到更新后的初始行动网络，返回执行“获取训练样本集”的步骤；若满足迭代终止条件，则将初始行动网络确定为目标控制模型。该模型训练方法实现了目标控制模型的快速收敛以及提高了被控设备的稳定性。