上世纪80年代,研究人员提出了传输控制协议（Transmission Control Protocol,TCP）并在网络中得到了极为广泛的应用。拥塞控制是TCP协议的关键组成部分,目的在于在避免拥塞的前提下保持尽量高的网络利用率。既往的传统拥塞控制方法多数为基于规则的方法,不能很好地适应当前高度动态的网络环境。深度强化学习（Deep Reinforcement Learning,DRL）具有自主探索周围环境,寻找最优策略的特点,因而特别适合用于拥塞控制。近年来,研究人员开始将DRL应用于拥塞控制问题。但既往基于DRL的方法具有以下问题:未考虑无线接入网的特殊性;应用了在实际中不一定成立的假设;难以采用单智能体同时控制多条TCP连接的发送速率;采用多智能体DRL方法时难以合理地定义各个智能体的局部奖励函数等。本论文基于DRL对拥塞控制问题进行了深入的研究。本论文首先采用单智能体DRL尝试解决以往方法的存在问题,进而提出了DRL-3R。该方法引入了无线接入网信息作为拥塞控制的参考信息,并提出了相关预测方法,从而使得智能体对这一具有高度动态特性的潜在瓶颈直接认知,从而采取动作以适应其动态特性;定义了反映多个连续动作的延迟奖励函数,引入了时间维度奖励函数再分配,以放松既往方法中的不合理假设,并更好地评估智能体采取的动作的效果;提出了对经典DRL方法的改进方法,以更好地匹配拥塞控制问题的特点。实验结果表明DRL-3R在吞吐量、时延和公平性指标上相比于以往方法均取得了优异结果。本论文进一步考虑将多智能体DRL用于拥塞控制问题。多智能体DRL可以并行地对多条TCP连接的发送速率进行控制,从而相比于单智能体DRL具有更高的计算效率。本论文提出了空间维度奖励函数再分配,并结合多智能体深度确定性策略梯度提出了DRL-MARR。该方法定义了一个反映所有智能体整体性能的全局奖励函数,在其基础上采用空间维度奖励函数再分配具体评价每个智能体的贡献,从而避免了对局部奖励函数的直接定义。实验结果表明DRL-MARR在吞吐量、时延和公平性指标上相比于以往方法均取得了优异结果。