本发明公开了一种基于逆向深度强化学习的混动系统能量管理策略。所述策略包括：利用优化求解方法计算全局优化的SOC结果作为专家知识；创建奖励神经网络；利用逆向强化学习学习专家知识得到奖励神经网络的参数；创建动作神经网络、评价神经网络；设定车辆交互前SOC值；将获取到的交互前SOC值输入到奖励神经网络得到奖励值；将获取到的交互前SOC值输入到动作神经网络得到模式分配比；用模式分配比与环境进行交互，得到交互后SOC值；将交互前SOC值、模式分配比、奖励值、交互后SOC值输入评价神经网络得到评价值；智能体分别计算各个网络的梯度并反向传播更新网络参数，直到训练完毕。本发明能够从专家知识中学习到最优的奖励函数，使深度强化学习效果更好。