本公开提供了一种基于深度强化学习的智能体自适应决策生成方法及系统，基于深度强化学习SoftActor‑Cr it ic(SAC)算法对智能体自适应决策问题展开研究，并针对训练过程中出现的问题对SAC算法进行改进，提出了SAC+PER、SAC+ERE和SAC+PER+ERE算法，利用深度学习的强大感知能力和强化学习的高效决策能力解决智能体自适应决策问题，通过深度强化学习算法训练智能体，使其在与环境进行交互的过程中总结经验，从而形成自身对具体行为应用的认识；同时，以仿真环境下无人机反拦截任务为载体，验证了算法的有效性。