机械臂的控制方法一直是热点研究问题,传统的控制方法能够使机械臂完成大多数任务,但是当环境或任务发生改变时,传统的机械臂控制方法缺乏适应性,而人工智能技术的发展对提高机械臂控制方法的适应性带来了新的解决思路。强化学习是实现通用人工智能的重要技术之一,通过与环境交互进行学习,以最大化累计奖励为目标来找到完成任务的最优策略。近年来深度神经网络和强化学习相结合提出了深度强化学习方法,这类方法具有较好的信息特征提取和表示能力。基于深度强化学习的机械臂控制方法,能够解决具有高维状态空间和连续动作空间的任务,但是较多研究人员只关注在单个任务中的深度强化学习方法,这样的方法学习效率低并且不能完成多个任务,面对不同任务时需要重新训练算法。为此,本文基于深度强化学习算法在机械臂多个典型任务中进行控制策略研究。本文主要完成了以下工作:（1）提出了一种双重Q网络学习的迁移深度确定性策略梯度算法,解决了深度强化学习算法在单个机械臂控制任务中学习效率低的问题。由于深度确定性策略梯度算法存在过高估计Q值的问题,所以首先将两个机械臂控制任务分为源任务和目标任务,然后将深度确定性策略梯度算法在源任务中学习获得的最优值函数网络迁移至目标任务,使算法在目标任务中训练时具有两个学习Q值的值函数网络,然后取最小Q值引导策略网络更新,来改善过高估计Q值带来的问题,最后在机械臂目标点到达的仿真实验中验证了所提算法具有更高的学习效率。（2）提出了平行重组网络模型,将平行重组网络模型应用于Soft Actor-Critic算法,解决了依靠单一策略网络的深度强化学习算法控制机械臂完成多个任务的问题。深度强化学习算法的网络模型一般是平行顺序结构,从上一网络层将信息传输到下一网络层,而平行重组网络模型假设信息传输会发生在不同网络层之间,从而在不同任务中灵活共享网络参数,基于平行重组网络模型的Soft Actor-Critic算法能够同时在多个任务中训练,并学习到多个任务的知识,然后在多个机械臂仿真任务中验证了所提算法能够依靠单一策略网络完成多个任务。最后将仿真环境训练好的算法迁移至真实实验环境验证了该算法的有效性。