1.一種面向強化學習算法的數(shù)據(jù)處理方法，其特征在于，應(yīng)用在包括智能體的數(shù)據(jù)環(huán)境；所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述強化算法包括單智能體算法和多智能體算法；所述接口函數(shù)對應(yīng)強化算法抽象出的多層接口，包括模型層model、算法層embryo和agent層；其中：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述實現(xiàn)目標強化算法和所述數(shù)據(jù)環(huán)境的適配，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標參數(shù)至少包括初始化參數(shù)、模型參數(shù)、環(huán)境參數(shù)；所述將目標參數(shù)與所述目標強化算法進行配置化處理，得到與配置文件相關(guān)的訓練任務(wù)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，多種輔助操作至少包括在時序差分的基礎(chǔ)過程中增加鉤子、訓練信息；所述結(jié)合經(jīng)驗回放池和多種輔助操作得到訓練范式，包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述經(jīng)驗回放池進行目標強化算法的策略更新，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：
8.一種面向強化學習算法的數(shù)據(jù)處理系統(tǒng)，其特征在于，包括：
9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述方法的步驟。