本申请的实施例揭示了一种强化学习声诱饵奖励值的计算方法、装置，其中方法通过建立基于吊放声纳目标识别处理时间、目标识别能力变量，给出声诱饵诱骗的目标成功率和声诱饵出现后的平均识别处理时间，可快速计算奖励值，避免了蒙特卡洛方法时间周期长，影响强化学习智能体训练速度的问题。在一些示例中，结合航空平台识别目标后开展攻击、识别等后续处理典型战等需要的处理时间，对目标成功率进行加权处理，更加准确的计算出声诱饵奖励值，避免了蒙特卡洛方法时间周期长，影响强化学习智能体训练速度的问题。