近年来,随着互联网技术和网络视频业务的飞速发展,视频用户急剧增加。其中,因其实时性、互动性等特点,网络直播的用户量更是得到了爆发式的增长。由于网络环境的复杂性和直播场景的多样性,提出一个可以有效提高用户观看视频体验质量的码率自适应算法成为流媒体传输中的研究热点。然而,流媒体直播架构复杂,流程繁琐,难以在真实场景下对算法进行快捷的训练和评估,一个可快速准确地模拟实时自适应流环境的仿真工具对于码率算法的研究至关重要。为此,本课题设计并实现了一个基于直播场景的动态码率自适应仿真平台,为相关领域的算法研究人员提供从数据生成、环境仿真到算法评估的一站式服务。本文将仿真平台划分为数据集生成模块、仿真模块和辅助模块。用户通过数据集生成模块可以根据任意的业务场景生成足量的网络和视频数据;将数据输入仿真模块后,可获取具备延时控制功能的直播拉流仿真器输出的可能影响码率决策的关键指标,进行算法的设计和训练。最后,根据辅助模块提供的用户QoE模型和传统算法进行对比实验,并根据结果的可视化信息图进行算法的评估。对平台的业务流程测试和功能测试表明,该仿真模拟平台的实现符合预期目标。此外,本文还基于本仿真平台,运用强化学习近端策略优化算法结合生成对抗网络进行码率自适应算法的优化,验证了平台的可用性及引入生成对抗网络对于解决强化学习关键信息丢失问题的有效性。