本发明涉及基于后决策状态学习的基站关断节能方法及装置，包括以下步骤：步骤S1:将宏微网络中的用户根据关联规则进行分类，并将各类用户的数目定义为网络状态，将各个基站的开/关操作定义为网络行动；步骤S2:将时延受限的节能问题映射为CMDP模型，刻画网络中各类业务的动态变化情况；步骤S3:计算出基站在每个时间周期内的决策前状态和后决策状态，并根据关断策略执行前已知的决策前状态学习关断策略执行后未知的后决策状态；步骤S4:在每个时间周期内，对值函数和后决策状态值函数进行迭代更新；首先使用后决策状态值函数更新值函数；然后使用更新后的值函数更新后决策状态值函数；反复更新直至满足预设条件，得到最优的基站关断节能策略。