路由选择是网络数据传输的关键技术之一。对路由选择协议进行优化,有助于减少拥塞状况,提升网络吞吐量。在大流量传输和突发流量传输场景中,传统启发式路由协议无法从历史决策中汲取经验提升网络吞吐量,也无法根据网络变化情况动态调整路由策略以满足服务质量需求;现有基于强化学习（Reinforcement Learning,RL）思想的路由协议尽管可以克服上述问题,但在平衡动作探索与利用以及模型自适应方面仍有提升空间。针对现有RL算法未能较好权衡动作的探索和利用的问题,提出一种基于环境感知的自适应深度强化学习路由算法（deep Q network with priority experience replay and self-adaptability,DQNPES）,可依据智能体经验回放时的平均误差,动态调整ε-greedy策略以平衡探索和利用,引入启发式规则对探索进行限制,积累正向经验;使用优先经验回放机制加速模型收敛,提升网络吞吐量和数据交付率。仿真实验表明,部署了本自适应深度强化学习路由算法的网络环境吞吐量和数据交付率均高于其他基准算法。针对现有RL算法无法一如既往地保证网络吞吐量的问题,提出一种基于先验知识指导的安全强化学习路由算法（a safe reinforcement network routing algorithm based on knowledge guidence approach,PKG-DDQNS）,把先验知识引入深度强化学习模型的动作选择,结合ε-greedy策略,根据网络情况对下一跳进行评估和约束,必要时提供更优动作选择,避免无效动作选择。实验证明,算法在负载较重的网络场景中使网络保持较高的吞吐量,网络吞吐量波动可稳定在较小的范围,模型收敛速度也可显著提升。