本发明实施例公开了一种自动驾驶决策方法、装置、设备和存储介质，该方法包括：获取自动驾驶的目标车辆的当前状态信息；将当前状态信息输入至预设强化学习模型中进行动作决策，根据预设强化学习模型的输出，获得当前学习动作信息，其中，预设强化学习模型是通过估计状态转移概率对状态空间中的各个状态信息进行采样，并利用策略搜索方式对采样的每个状态信息进行训练获得的；基于目标驾驶规则策略确定当前策略动作信息，其中，目标驾驶规则策略是基于驾驶员经验获得的车辆驾驶策略；基于当前学习动作信息和当前策略动作信息进行混合决策，确定目标车辆的待执行动作信息。通过本发明实施例的技术方案，可以提高驾驶决策的鲁棒性和准确性。