本發(fā)明公開了一種用強(qiáng)化學(xué)習(xí)算法對酒店客房進(jìn)行收益管理的方法，包括狀態(tài)、智能體、動作和回報；一個所述智能體每次從環(huán)境中獲取一個狀態(tài)數(shù)據(jù)，作為它對當(dāng)前環(huán)境狀態(tài)的認(rèn)知，以及一組可執(zhí)行的動作，所述智能體根據(jù)狀態(tài)從一組動作中采取一個動作進(jìn)行執(zhí)行，執(zhí)行之后所述環(huán)境返回一個回報；所述狀態(tài)指收益管理系統(tǒng)能夠獲取到的各種酒店運(yùn)營數(shù)據(jù)；所述動作指客房的定價和超售量。本發(fā)明采用強(qiáng)化學(xué)習(xí)算法訓(xùn)練模型替代了傳統(tǒng)收益管理系統(tǒng)中手工編制的數(shù)學(xué)模型，降低軟件成本，提高預(yù)測準(zhǔn)確度的效果，利用歷史數(shù)據(jù)和在線數(shù)據(jù)訓(xùn)練模型，使其達(dá)到某種優(yōu)化目標(biāo)，相比傳統(tǒng)方法的人工建模無需高深的領(lǐng)域知識，并對各種情況有著更廣泛的適應(yīng)性。