本发明提供一种路由优化方法、装置、设备及介质，包括：从数据转发层中获取其网络拓扑的实时网络状态；将所述实时网络状态输入至控制层中的智能体，得到所述智能体输出的路由转发路径；将所述路由转发路径传递至所述数据转发层，以获得所述数据转发层的新网络状态和奖励值；将所述新网络状态和所述奖励值反馈至所述智能体的神经网络参数进行更新，直至所述智能体收敛获得目标智能体；将待识别网络状态输入至所述目标智能体，得到所述目标智能体输出的目标路由转发路径。本发明有效提高网络传输效率，避免网络拥塞问题，提高网络吞吐量。