本說明書實(shí)施例提供一種激勵(lì)決策模型的運(yùn)動(dòng)引導(dǎo)方法，訓(xùn)練健康狀態(tài)預(yù)測模型，預(yù)測用戶的健康狀態(tài)上升空間，并確定當(dāng)前階段的健康狀態(tài)上升空間，獲取樣本用戶的動(dòng)作信息和對應(yīng)的健康狀態(tài)變化數(shù)據(jù)，構(gòu)造激勵(lì)函數(shù)，利用樣本用戶的動(dòng)作信息和對應(yīng)的健康狀態(tài)變化數(shù)據(jù)對激勵(lì)函數(shù)進(jìn)行強(qiáng)化學(xué)習(xí)，生成動(dòng)作空間，結(jié)合強(qiáng)化學(xué)習(xí)出的激勵(lì)函數(shù)構(gòu)造動(dòng)作決策模型，在動(dòng)作空間中進(jìn)行搜索生成動(dòng)作策略，計(jì)算其激勵(lì)函數(shù)值，并進(jìn)行迭代，直至計(jì)算出的激勵(lì)函數(shù)值滿足預(yù)設(shè)條件，輸出動(dòng)作策略，持續(xù)更新引導(dǎo)用戶運(yùn)動(dòng)并進(jìn)行動(dòng)作識別，通過利用激勵(lì)函數(shù)值進(jìn)行迭代的方式可得到全局最優(yōu)的動(dòng)作策略，提高了與用戶的匹配度。