光子神经网络因其高速率、低功耗、大带宽等优势在近年来受到了人工智能领域的广泛关注。但是目前光子神经网络大多应用在监督学习任务中,而监督学习需要大量的先验数据做支撑,这也使得监督学习的应用场景较为局限。随着人工智能领域的飞速发展,人们对智能体的学习能力也提出了更高的要求,需要智能体能够像人类一样通过与环境的不断互动来学习更为复杂的任务,这就是强化学习。本文将光子神经网络应用在强化学习任务中,在扩展光子神经网络应用领域的同时也为强化学习的实现方法提供了新思路,完成的相关工作如下:一、提出一种基于光子神经网络的强化学习模型（Optical Neural Network Reinforcement Learning Model,ORL）,并将 ORL 模型应用于离散数据空间的强化学习环境。本文使用的是强化学习中常见的环境模型—网格世界（Grid World）,并自主搭建了二维和三维的情况。在二维网格世界中,基于ORL模型的智能体可以在200局游戏后就稳定地找到通向终点的最短路径;在三维网格世界中,基于ORL模型的智能体在经过300局游戏的学习后从起初的每局需要行走1000步下降到每局只需要近20步就可以走到迷宫终点。二、将ORL模型应用于连续数据空间的强化学习环境,本文使用的连续状态环境是强化学习环境工具箱—Open AI Gym中的Cart Pole游戏,经过仿真结果验证,基于ORL模型的智能体可以在450局游戏后稳定地达到每局游戏的最大步长,即小车可以稳定地支撑滑杆不倾倒。通过ORL模型与当前强化学习的电子架构DQN的性能对比可以得出,基于ORL模型的智能体有着与电子强化学习架构相当的学习能力和环境适应能力,这也证明将光子神经网络应用在强化学习中有着十分诱人的发展前景。