简介： 本发明提出了一种基于自举DQN的增强学习深度搜索方法，主要内容包括自举Deep?Q?Network(DQN)、深度搜索和环境背景；其中自举Deep?Q?Network包括自举样本和自举DQN，深度搜索包括深度搜索测试和自举DQN驱动深度搜索，环境背景包括生成在线自举DQN和自举DQN驱动。自举DQN是一种结合了深度学习与深度探索的实用强化学习算法，证明了自举可以对深度神经网络产生有效的不确定性估计，也可扩展到大规模的并行系统，在多个时间步骤上对信息进行排序，保证样本的多样性；在复杂的环境中自举DQN作为有效的增强学习中的一种算法，并行处理大量数据，计算成本低，学习效率高，性能表现优异。