强化学习定义了仅通过行动和观察学会做出良好决策的智能体所面临的问题。为了成为有效的问题解决者,此类智能体必须有效地利用有限的数据、计算资源和感知带宽来探索广阔的世界,从延迟的反馈中获得贡献度（credit）,并归纳出新的经验。对于这些任务来说,抽象（abstraction）是必不可少的。通过抽象,智能体可以形成环境的简洁模型,以满足一个合理的、自适应的决策者的许多实践需求。最近,量子计算技术成功应用于强化学习领域。基于量子叠加和量子纠缠特性,与传统强化学习相比,量子强化学习在更大的搜索空间上表现更好,学习速度更快,并且在探索和利用之间达到了更好的平衡。本文提出了新的基于抽象的经典强化学习算法和量子强化学习算法。通过学习抽象,算法能够帮助智能体更快的探索环境,更准确的学习策略以及将学习到的策略更好的泛化到新的任务。本文的主要内容和创新点如下:一、提出了一种新的动作抽象生成方法,即最小度数和最大距离（MDMD）选项,通过减少环境的期望覆盖时间来加速智能体在稀疏奖励域中的探索。具体地,本文提出的方法启发式地选择状态转移矩阵的两个不相邻的具有最小度数和最大距离的顶点作为动作抽象。与其他动作抽象生成方法生成的动作抽象相比,MDMD选项方法生成的动作抽象可以实现更低的环境期望覆盖时间,从而更好地加速智能体在稀疏奖励域中的探索。在几个稀疏奖励环境上的实验结果表明,该方法显著地加速了智能体在稀疏奖励域中的探索并且获得了比其他动作抽象生成方法更高的总累积奖励。二、提出了Wasserstein确定性信息瓶颈状态抽象（WDIBS）方法,该方法学习一种状态抽象来实现状态压缩和决策性能之间的最佳权衡。具体来说,通过使用Wasserstein距离来计算状态压缩后的策略与专家策略之间的分布差异。即使两个分布没有精确重叠的支持集,Wasserstein距离仍然可以反映它们的实际差异,确保WDIBS在低信息率下具有良好的决策性能。理论分析和实验表明,该方法实现了比先前的方法更好的状态压缩和决策表现之间的均衡。三、提出了一种基于情景记忆的量子深度强化学习模型,称为量子情景记忆深度Q网络,该模型在使用状态抽象对原始状态空间的状态进行压缩的同时利用情景记忆来加速量子智能体的训练过程。具体来说,该模型将历史上出现的拥有高奖励值的经验记录到情景记忆中,使得在当前环境的状态与情景记忆中的某状态相似时,量子智能体可以根据该历史状态快速地获得想要的动作,从而减少了算法优化的迭代次数。在五个经典的雅达利游戏上的数值模拟表明,该方法获得了比其他量子深度强化学习方法更高的分数和更低的算法运行时间。四、提出了基于梯度惩罚的Wasserstein对抗近端策略优化（GPWAPPO）方法,该方法使用近端策略优化算法（PPO）算法学习匹配原始域和目标域之间的状态抽象来实现强化学习中的视觉迁移。关键地,为了强化利普西茨约束,该方法引入了一个源任务和目标任务的相对输入的梯度范数,增强了算法的稳定性。通过在Visual Cartpole和16个Open AI Procgen环境中进行实验验证,本文提出的方法比先前的基于强化学习的视觉迁移方法获得了更好的性能。五、提出了一种基于具有回卷功能的可信赖近端策略优化的量子结构搜索算法（QAS-TR-PPO-RB）,该方法在仅使用少量物理知识的情况下就可以自动构建量子电路结构。具体来说,该方法采用改进的裁剪函数来实现回卷行为,以限制新策略和旧策略之间的概率比。此外,该方法使用基于可信赖域的裁剪触发条件,通过将策略限制在可信赖域内来优化策略,从而保证单调改进。在几个多量子比特电路上的实验表明,本文提出的方法比原来的基于强化学习量子的结构搜索方法实现了更好的策略性能和更低的算法运行时间。