随着视频内容在互联网流量中占比的不断增长,提升用户观看视频时的体验将会是学术界和工业界关注的热点。用户观看视频时受网络环境影响,因此如何在复杂环境下提升用户的观看体验对于保障视频内容服务质量至关重要。视频比特率自适应算法作为一种经典的解决方案在实际场景中已有普遍的应用和部署。而随着5G时代的到来,类似于VR(Virtual Reality)视频等视频媒体形式将会有更广泛的推广。因此,保障视频传输的质量仍然是一个巨大挑战。基于深度强化学习算法实现视频的比特率自适应算法有着优良的性能。经过训练,可以使进行比特率选择的智能体拥有智慧去分析不同的网络环境,以做出最好的视频比特率选择。本文依托深度强化学习算法,从普通视频和VR视频两个方面出发,进行了如下的研究工作:本文首先进行基于深度强化学习的混合比特率自适应算法研究。提出混合QoE(Quality of Experience)评价指标,设计并训练对应的混合比特率自适应算法模型。仿真结果表明在传统QoE和混合QoE两类评价指标中,混合比特率自适应算法性能均优于传统的基于深度强化学习算法。然后进行基于深度强化学习的VR比特率自适应算法研究。提出适合基于FoV(Field of View)的全景视频传输策略的QoE评价指标,编写虚拟的VR播放环境,实现基于深度强化学习的VR比特率自适应算法。新的VR比特率自适应算法比传统的基于带宽预测和缓冲区控制结合的算法有更好的用户体验和更高的传输效率。