本發(fā)明屬于工程機械及車輛工程領(lǐng)域，具體涉及一種基于深度強化學習的換擋策略動態(tài)優(yōu)化方法。包括如下步驟：(1)：確定換擋策略狀態(tài)輸入變量和動作輸出變量；(2)：根據(jù)狀態(tài)輸入變量和動作輸出變量，確定換擋策略馬爾科夫決策過程；(3)：根據(jù)換擋策略目標建立強化學習換擋策略獎勵函數(shù)；(4)：根據(jù)馬爾科夫決策過程和獎勵函數(shù)，求解深度強化學習換擋策略；(5)：將步驟(4)計算出的預測Q網(wǎng)絡放入換擋策略控制器，工程機械及車輛在行駛過程中，工程機械及車輛根據(jù)換擋策略控制器選擇擋位；(6)：在行駛過程中定期更新預測Q網(wǎng)絡。本發(fā)明通過深度強化學習方法對換擋策略進行更新，實現(xiàn)換擋策略的動態(tài)優(yōu)化。