多路径传输控制协议（MPTCP）允许传输控制协议（TCP）使用多个传输路径来最大化信道资源使用。MPTCP数据包调度器通过调度算法对各个路径的状态进行评估,根据不同的状态进行数据包调度。然而,随着网络环境变得越来越复杂,以及上层应用对网络传输的服务质量需求越来越高,传统的调度算法已无法适应当前的网络环境。因此,对MPTCP调度算法进行研究有助于提高MPTCP的传输效率和对网络环境的适应。本文利用深度强化学习方法对MPTCP的多路径数据包传输调度方法进行研究。基于启发式的MPTCP数据包调度方法在许多特定网络场景下取得了不错的传输效果,然而,静态的数据包调度规则却难以适应不同的网络环境。针对这一问题,本文将深度强化学习和启发式调度方法相结合,提出了基于深度Q神经网络（DQN）和最小化往返时延（Min RTT）的MPTCP数据包调度方法（DQN-R）。DQN-R利用DQN学习各种状态下最优的传输路径集合,并通过Min RTT启发式规则在路径集合中进行数据包调度,训练生成适用于非对称环境下的最优调度策略。在不同网络测试环境下对基于DQN-R的MPTCP传输性能进行实验,结果表明DQN-R传输性能优于对比方法。基于DQN的MPTCP数据包调度方法将传输调度过程建模为离散动作空间问题,搜索空间较小,易于训练,但这也使得算法的调度动作粒度较粗,难以达到最优的传输性能。针对这一问题,本文提出了基于Actor-Critic框架的MPTCP数据包调度方法（RLCAS）。RLCAS将决策网络分为Actor网络和Critic网络,通过训练Actor和Critic网络,使模型在不同网络状态下输出一个确定的最优调度动作。在不同网络测试环境下,将RLCAS与多种调度方法进行对比实验,结果表明RLCAS的传输性能优于对比方法,验证了方法的有效性。