深度強化學習是人工智能領域的一個新的研究熱點．它以一種通用的形式將深度學習的感知能力與強化學習的決策能力相結合，并能夠通過端對端的學習方式實現從原始輸入到輸出的直接控制．自提出以來，在許多需要感知高維度原始輸入數據和決策控制的任務中，深度強化學習方法已經取得了實質性的突破．該文首先闡述了三類主要的深度強化學習方法，包括基于值函數的深度強化學習、基于策略梯度的深度強化學習和基于搜索與監督的深度強化學習；其次對深度強化學習領域的一些前沿研究方向進行了綜述，包括分層深度強化學習、多任務遷移深度強化學習、多智能體深度強化學習、基于記憶與推理的深度強化學習等．最后總結了深度強化學習在若干領域的成功應用和未來發展趨勢．