本申请的实施例涉及人工智能技术领域，一些实施例提供了一种多样性策略的生成方法、装置、介质和计算设备。该方法包括：获取当前状态数据、指示参数以及环境奖励；所述当前状态数据中包括但不限于多个终端设备的当前观测状态数据；将所述多个终端设备的当前观测状态数据和所述指示参数输入至神经网络模型，得到虚拟奖励；根据所述虚拟奖励、所述环境奖励以及预设的约束参数得到总奖励；根据所述总奖励对累积奖励进行更新，得到更新后的累积奖励；如果所述累积奖励达到预设的目标奖励，根据预设变分下届阈值、所述当前状态数据以及指示参数得到多样性策略，所述多样性策略用于配置多个终端设备。本申请的方法能够使神经网络模型的鲁棒性提升。