杨薛钰，陈建平，傅启明1，，5，陆 悠1，，5，吴宏杰1，，5

1.苏州科技大学 电子与信息工程学院，江苏 苏州 215009

2.苏州科技大学 江苏省建筑智慧节能重点实验室，江苏 苏州 215009

3.苏州科技大学 苏州市移动网络技术与应用重点实验室，江苏 苏州 215009

4.珠海米枣智能科技有限公司，广东 珠海 519000

5.苏州科技大学 苏州市虚拟现实智能交互与应用技术重点实验室，江苏 苏州 215009

强化学习是机器学习的一个重要分支，强化学习的基本思想就是学习如何将场景映射到动作，以获得最大的数值奖赏信号，从而学习完成目标的最优策略[1]。具体而言，就是智能体处在一个环境中，每个状态为智能体对当前环境的感知，智能体通过动作来影响环境，当智能体执行一个动作后，会使得环境按照某种概率转移到另外一种状态；同时，环境会根据潜在的奖赏函数反馈给智能体一个奖赏。强化学习中主要包括四个要素：状态、动作、转移概率以及奖赏函数。目前强化学习在游戏博弈，工业领域中均得到很好的应用[2]。

深度学习是机器学习的另一个重要的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法，它是从数据中学习表示的一种新方法[3]。强调从连续的层中进行学习，这些层对应于越来越有意义的表示。至今为止已有数种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络等。最近几年，深度学习在实践中也取得了革命性的进展，在计算机视觉、语音识别、自然语言处理等领域取得了显著的成果[4]。……