深度强化学习是人工智能领域用于处理序贯决策问题的重要研究分支,其根据智能体与环境的交互过程中所产生的样本来学习最优策略。由于学习过程需要智能体与环境进行大量交互所产生的样本数据作为支撑,使得深度强化学习算法在一些样本数据获取昂贵的应用中受到限制。深度强化学习中使用不同的行为策略会生成出不同的数据样本,同时,对数据样本的选择方式也将影响到所学习到的策略。为了提高深度强化学习的样本效率、减少智能体与环境的交互、获得优质策略,本文完成了如下工作:（1）提出基于平均序列累计奖赏的自适应ε-greedy策略（AECR-DQN）。对深度强化学习中常用于样本生成的随机性探索策略——“ε-greedy”策略进行改进,该策略未考虑影响智能体做出决策的其他因素,具有一定的盲目性。因此,本文以智能体完成任务所获得的序列累计奖赏值作为智能体进行合理的探索或利用的指导。实验结果表明,基于平均序列累计奖赏的自适应ε-greedy策略的深度Q网络算法,能生成出更利于学习最优策略的样本、获得更高的奖赏值。（2）与传统深度强化学习从经验回放单元中随机采样单个状态转移四元组不同,提出以整个序列轨迹作为训练样本的样本生成与选择方法。首先提出基于遗传算法的交叉算子生成序列样本的方法（GCO-DQN）,以两条序列轨迹中的相似状态作为交叉点,产生出当前未出现过的序列轨迹,从而达到扩充序列样本数量、增大序列样本多样性的目的。在生成序列样本的基础上,提出基于遗传算法的选择算子选择序列样本的方法（GSCO-DQN）,将序列累计奖赏作为序列样本重要性的评判标准后对样本进行选择,在保证序列样本的多样性增加重要性程度高的序列样本的采样概率。实验结果表明,基于遗传算子生成与选择深度Q网络样本的方法,能减少智能体与环境的交互次数,提高样本利用率,从而取得更高奖赏值的策略。（3）结合AECR-DQN与GSCO-DQN,提出基于遗传算子与自适应ε-greedy策略的样本生成与选择方法（AECR-GSCO-DQN）。自适应ε-greedy策略能更有针对性地生成样本,再通过遗传交叉算子作用于此样本后能得到更具多样性的样本,最后遗传选择算子再从中选择出更有利于学习最优策略的样本。实验结果表明,对比GSCO-DQN,AECR-GSCO-DQN能取得更高的平均奖赏值,进而提高策略水平。