一. 开山鼻祖DQN

二. DQN的各种改进版本(侧重于算法上的改进)Dynamic Frame skip Deep Q Network, A. S. Lakshminarayanan et al., IJCAI Deep RL Workshop, 2016.

三. DQN的各种改进版本(侧重于模型的改进)

四. 基于策略梯度的深度强化学习

深度策略梯度：

深度行动者评论家算法：

搜索与监督：

2. Interactive Control of Diverse Complex Characters with Neural Networks

连续动作空间下探索改进：

1. Curiosity-driven Exploration in DRL via Bayesian Neuarl Networks

结合策略梯度和Q学习：

其它策略梯度文章：

五. 分层DRL

六. DRL中的多任务和迁移学习1. ADAAPT: A Deep Architecture for Adaptive Policy Transfer from Multiple Sources

七. 基于外部记忆模块的DRL模型

八. DRL中探索与利用问题

九. 多Agent的DRL

十. 逆向DRL

十一. 探索+监督学习

十二. 异步DRL

十三：适用于难度较大的游戏场景

十四：单个网络玩多个游戏

十五：德州poker

十六：Doom游戏

十七：大规模动作空间

十八：参数化连续动作空间

十九：Deep Model

二十：DRL应用

机器人领域：

机器翻译:

目标定位：

目标驱动的视觉导航：

自动调控参数：

人机对话：

视频预测：

文本到语音：

文本生成：

文本游戏：

无线电操控和信号监控：

DRL来学习做物理实验：

DRL加速收敛：

利用DRL来设计神经网络：

控制信号灯：

自动驾驶：

二十一：其它方向避免危险状态：

DRL中On-Policy vs. Off-Policy 比较：

注1：小伙伴们如果觉得论文一个个下载太麻烦，可以私信我，我打包发给你。

注2：欢迎大家及时补充新的或者我疏漏的文献。