近年来,随着深度强化学习的不断发展,计算机已经在围棋、DOTA2等多个领域取得了超越人类的成绩。然而,数据利用率低、计算量大、训练单个智能体时间过长的问题仍旧阻挠着该领域的进一步发展。因此,提高数据利用率、降低所需计算量、减少训练时间对于深度强化学习领域有着十分重要的研究意义。有部分研究者利用迁移学习来帮助强化学习训练,迁移学习是一种利用源领域知识帮助目标领域训练的方法,然而如何去挑选源领域仍是一个悬而未决的问题。利用示例样本是一种利用其它智能体产生样本来加快学习的方法。但现有基于示例样本的方法要么存在所需额外计算量过大的问题,或者是很难在自产生样本和示例样本的学习中达到一个平衡,从而造成对示例样本的过学习。为此,本论文提出了基于对示例样本进行动态增益的方法。相比于现有方法,本论文提出的方法主要有以下两点改进:(1)在预训练阶段创新性的引入了评价机制,该机制能够根据示例样本在预训练阶段对训练智能体做出的贡献分配其初始的增益值。相比于为所有的示例样本赋予相同的初始增益值,本论文提出的方法更能区分示例样本的重要性,提高智能体对示例样本的利用率。(2)提出了在训练阶段的动态增益机制,该机制能够根据智能体对示例样本的学习情况,动态的调整其增益值。相比于固定增益,动态增益有效避免了智能体对示例样本的过估计,让智能体在示例样本和自产生样本的学习中达到一个平衡。为了验证提出方法的有效性,本论文在雅达利(Atari)游戏测试平台上大量实验,与多个算法进行对比;为了进一步研究两种不同机制的作用,本论文还进行了相应的消融实验分析。实验结果表明,本论文方法在没有增加额外计算量的前提下,相比于现有方法在平均得分上最高有20%的提升。此外,本论文提出的动态增益有效的在示例样本和自产生样本的学习中达到一个平衡,降低对示例样本过学习的风险,提升了智能体的最终表现。