本申请公开了一种基于最大熵逆强化学习的无服务器计算资源配置方法、装置、设备及其存储介质，该方法包括：智能体随机产生一个预设策略；将预设策略采样得到的数据与专家数据采样得到的数据对比，学习奖励函数；利用所学的奖励函数进行强化学习，得到强化后的自身策略；判断自身策略的差距，当自身策略的差距小于阈值时则停止对比。本申请提供的上述方案，当基础的训练完成后，本案就是完全在线的学习方法，无需在此训练。本发明可动态调整参数，且本发明较为充分地探索了价格与收益的空间，使得用户与平台的效益最大化。