一. 開山鼻祖DQN

二. DQN的各種改進版本（側重於演算法上的改進）

三. DQN的各種改進版本（側重於模型的改進）

四. 基於策略梯度的深度強化學習

深度策略梯度：

深度行動者評論家演算法：

搜尋與監督：

2. Interactive Control of Diverse Complex Characters with Neural Networks

連續動作空間下探索改進：

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

結合策略梯度和Q學習：

其它策略梯度文章：

五. 分層DRL

六. DRL中的多工和遷移學習

七. 基於外部記憶模組的DRL模型

八. DRL中探索與利用問題

九. 多Agent的DRL

十. 逆向DRL

十一. 探索+監督學習

十二. 非同步DRL

十三：適用於難度較大的遊戲場景

十四：單個網路玩多個遊戲

十五：德州poker

十六：Doom遊戲

十七：大規模動作空間

十八：引數化連續動作空間

十九：Deep Model

二十：DRL應用

機器人領域：

機器翻譯:

目標定位：

目標驅動的視覺導航：

自動調控引數：

人機對話：

視訊預測：

文字到語音：

文字生成：

文字遊戲：

無線電操控和訊號監控：

DRL來學習做物理實驗：

DRL加速收斂：

利用DRL來設計神經網路：

控制訊號燈：

二十一：其它方向

DRL中On-Policy vs. Off-Policy 比較：

注1：小夥伴們如果覺得論文一個個下載太麻煩，可以私信我，我打包發給你。

注2：歡迎大家及時補充新的或者我疏漏的文獻。