本发明属于智能优化领域，特别涉及一种基于强化学习和粒子群算法的智能寻优方法。一种基于强化学习和粒子群算法的智能寻优方法，利用强化学习优化粒子群算法参数，通过强化学习的输入、输出和优化目标设计，自适应调整粒子群算法参数；输入即状态，以粒子群算法的优化进度表征；输出即动作，以粒子群算法速度更新公式参数表征，速度更新公式参数包括局部极值权重、全局极值权重和惯性因子；优化目标即回报，以当前粒子的适应度函数值作为正回报，当前迭代次数作为负回报。本发明实现了粒子群算法迭代步长的自适应调整，避免了因为参数设置不当导致的算法不收敛及迭代次数多的问题，实现了全局最优与求解速度的动态平衡，提升了算法的快速性。