深度强化学习算法将传统强化学习与深度学习两者结合,是目前解决高维决策任务的一类典型算法,已在各领域广泛应用并取得了突破性进展。但是传统的深度强化学习在面对长时间间隔决策游戏以及长间隔决策中需要智能体定点导航的长时间间隔游戏表现不佳,本文针对此问题做出了如下研究:本文提出了融合门循环单元的深度循环Q网络以解决在智能体长时间间隔决策中表现不佳的问题。智能体只能通过有限的画面做出的决策,会出现之前游戏画面中有价值的信息被忽略的情况。传统的深度Q网络的输入是由最近的4帧画面组成,这导致了智能体难以针对过去十几帧中的信息做出合理的规划。本文提出了将深度强化学习与门循环单元融合的设想,通过记忆网络能够存储过去记忆的能力来控制智能体跨较长时间去做出合理规划与控制。最终融合了门循环单元的深度强化学习在部分游戏上比原版深度强化学习算法在得分能力上有明显提升,证明了深度循环Q网络有效性。本文在上一部分的基础上提出了融合记忆网络的记忆循环Q网络模型来解决智能体在需要提前做出定点导航的游戏能力不强的问题。部分游戏需要智能体在特点时间点到达某一特定位置才能成功避开障碍。并且针对某一关卡训练得到的智能体在处理新的关卡时,其表现也不佳,缺乏迁移学习的能力。记忆网络能够自己写入与读取记忆的能力来解决相似地图的迁移学习的问题,但是其存在着难以适应动态环境的问题,所以融合了门循环单元的内部记忆网络再加上外部记忆网络很好地解决适应动态环境的问题,并且获得了迁移学习的能力。记忆循环Q网络在特定游戏中比深度循环Q网络得分能力强20%左右,在该游戏其他类似的关卡中也同样表现优异,证明其拥有相当的泛化能力。本文最后针对上述两个模型在各种情况下的表现做出了总结,并且提出针对当前研究的内容中存在的问题以及对未来研究工作的展望。