本申请涉及变电站无线通信领域，尤其是涉及一种变电站的后向散射通信优化方法、装置、设备和介质，通过获取多个移动终端和后向散射设备的状态数据，采用平等奖励确定奖励机制，根据所述移动终端与环境交互的数据定义并初始化交互矩阵，定义策略参数，并基于所述交互矩阵、总能耗和策略参数构建损失函数，根据最小化的损失函数值和所述奖励机制，更新所述策略参数，得到所述移动终端的最优通信路径。其通过强化学习优化空对地终端的顺序动作来联合控制空对地终端的轨迹与通信，实现了在变电站的无线通信过程中实现不进行信道参数估计地得到较佳的通信质量，降低了后向散射通信过程中计算较佳通信质量的计算工作量，提高了通信效率。