李文韬，谢小红，孙晓燕

（1.广西水利电力职业技术学院，公共基础部，南宁530023；2.广西财经学院，新闻与文化传播学院，南宁530003；3.广西财经学院，管理科学与工程学院，南宁530003）

0 引言

近年来，随着人工智能的不断发展，智能手机、智能声控系统以及无人驾驶逐渐步入人们的生活。人工智能带来的不仅仅是生活方式与工作方式的便捷，更是划时代的产物，标志着人类进入智能时代。当前，无人驾驶正在进行广泛的推广，如何对未知复杂动态环境具备自动避障功能[1]，同时还要兼具稳定性和泛化能力已成为无人驾驶领域的热门课题。而强化学习对复杂环境的适应性，成为了无人驾驶的重要研究方法。

强化学习（Reinforcement Learning，RL）是人工智能中的一种重要学习方法，其采用试错的方式进行训练，并得出最优的行为策略[2]。目前，强化学习已被广泛应用于手工业制造[3]、优化与调度[4]、机器人控制[5]、模拟仿真[6]，以及游戏博弈[7]等领域。强化学习的主要思想是由实验智能体（agent）在模拟环境中累计得到的奖励值，根据奖励值训练得到目标的最优策略[8]。因此，强化学习主要侧重于完成高维度非线性的函数逼近和多维特征的策略学习问题。

随着深度学习（Deep Learning，DL）[2]逐渐成为机器学习领域中的重要发展方向。深度学习已被广泛应用于图像处理、语音识别以及自然语言处理等领域，并取得了重大的突破[9]。深度学习最重要的特性是能够自动寻找到高维数据（如图像、文本、声音等）的低维表征，通过将归纳偏置值（Inductive bias）引入到分层卷积神经网络架构中，使机器学习研究者很好地解决了高维度的问题。……