随着无线通信和互联网技术的飞速发展,以手机和平板电脑为代表的移动设备迅速普及,用户对多媒体信息的需求呈爆炸式增长。在各种多媒体信息内容中,网络视频由于其内容的丰富性而成为网络用户的主要选择,因此,和网络视频相关的研究一直不曾间断。流媒体传输技术是网络视频行业的核心技术和研究热点,而在流媒体传输技术中,基于HTTP的动态自适应流媒体技术(DASH)是当前业界最为主流的流媒体传输技术,它的特点就是支持流媒体播放过程中的码率自适应切换,该技术使得客户端能够根据自身的环境和网络条件动态地调整视频码率,从而保证视频用户在不同网络环境下的观看体验水平。此前有多家厂商都提出了自己的解决方案,例如Apple公司的HLS协议,Microsoft公司的MSS协议和Adobe公司的HDS协议,但这些技术差异很大,且依赖于不同的平台,为了解决这个问题,MPEG组织推出了跨平台的标准流媒体视频传输协议MPEG-DASH。2012年4月,MPEG-DASH正式成为国际标准。目前,MPEG-DASH得到业内得广泛支持,正在被越来越多的多媒体提供商所采用,它已经成为主流的传输协议之一。本文深入研究了MPEG-DASH协议及其相关的动态自适应码率技术。通过研究目前已有的三类算法,研究表明这些算法在网络带宽波动的条件下难以达到理想效果。本文研究了目前已经在语音、图像及自然语言处理等众多领域取得成功的强化学习技术,将强化学习应用于动态码率自适应场景,提出并设计了一种基于强化学习的MPEG-DASH协议的码率自适应算法。通过使用真实的网络数据集训练强化学习模型,继而生成基于强化学习的码率自适应算法。最后,本文还按照MPEG-DASH协议和开源工具实现了一个完整的播放测试环境,构造一个完整的DASH实验系统,利用这个系统,本文将设计的算法和其他算法进行了比较,并得出结论。MPEG-DASH算法通常包含算法和QoE模型设计两个部分,本文主要是码率自适应算法的设计,在QoE模型方面使用的是主流的几类模型。实验的结果证实本文所设计的基于强化学习的算法在提高视频服务质量上有明显提升,起到了优化传输算法的作用。