信息处理方法、装置及电子设备

本申请实施例提供一种信息处理方法、装置及电子设备；该方法包括：获取用于执行下一次操作的初始期望回报值及操作状态信息；利用策略生成模型对初始期望回报值及操作状态信息进行处理，确定投入信息集合，投入信息集合中包括：预估投入信息、及不同于预估投入信息的多个扩展投入信息；利用Q值评估网络模型对操作状态信息及投入信息集合进行处理，确定投入信息集合中的各个投入信息所对应的Q值函数值；基于各个投入信息所对应的Q值函数值，在投入信息集合中确定目标投入信息，目标投入信息所对应的Q值函数值大于其他的投入信息所对应的Q值函数值；基于目标投入信息执行下一次操作。在本申请实施例中，有效地突破了传统操作策略的限制。