本申请涉及基于强化学习的载人登月轨道设计方法、装置和设备，方法包括：获取建立的全任务轨道优化模型的任务约束条件；获取智能体的决策动作空间；根据任务约束条件和决策动作空间，设置马尔科夫决策模型及强化学习中Q学习算法的参数；根据载人登月全任务的总收益，设置Q学习算法的奖励函数中速度增量阈值；Q学习算法的奖励函数为原始奖励函数与启发式奖励函数之和；启动马尔科夫决策模型及Q学习算法的优化计算，直至得到智能体的最优飞行方案；最优飞行方案包括智能体出发和到达的目标轨道；根据最优飞行方案，利用真实轨道动力学模型进行外推计算，得到智能体的全任务轨道方案。实现了载人登月全任务多阶段轨道优化与设计。