张鹏昊 秦斌

摘要：随着人工智能的发展深度强化学习越来越多进入人们的视线，它是以一种通用的形式把深度学习的感知力和强化学习的决策能力结合起来，继而通过高维度的方式感知信息训练模型发出决策，也可以通过分层强化学习来将复杂的深度学习问题化简为单一的问题，从而解决了空间维数灾难的问题。该文介绍了深度强化学习的理论知识还有几种最新的前沿算法，以及在现实生活中的各种各样的应用，最后对相关领域进行了总结和展望。

关键词：深度学习;强化学习;深度强化学习;人工智能;智能应用

中图分类号：TP3       文献标识码：A

文章编号：1009-3044（2021）28-0104-03

开放科学（资源服务）标识码（OSID）：

1949年春季，DONALD HEBB提出了历史上大名鼎鼎的赫布理论（Hebbian theory），他解释了在人类学习过程中大脑里的神经元[1]是怎么变化的，标志着机器学习[2]（Machine Learning）的诞生。1956年的一个夏天，一群具有创新总结能力的年轻科学家一起聚会，其中包括麦卡赛、明斯基和罗切斯等人，坐在一起讨论如何用计算机将人脑的思维模拟出来的问题，由此，人工智能（AI）这门未来最火热的学科正式诞生。2016年秋季人工智能[3]团队DeepMind把深度学习（Deep Learning：DL）和以决策能力闻名的强化学习（Reinforcement Learning：RL）创新性地结合起来，由此标志着深度强化学习（Deep Reinforcement Learning：DRL）算法第一次问世，这直接开启了一波学习人工智能的新热潮。

近些年来，DRL算法应用到了越来越广泛的领域，比如图像识别[4]分析，机器人，电子皮肤[5]，目标识别，自动汽车，自动泊车等多个领域，显示出了DRL的适应性和未来的潜在发展能力。……