1.一种多核处理器‑单图形处理器的深度强化学习加速方法，其特征在于，包括如下步骤：

1)在多核CPU‑GPU平台下运行该方法，利用CPU的多进程，对于M核CPU，每个核心生成N个强化学习交互环境env，共生成M*N个环境模拟器；

‑ ‑

2)在内存的固定位置分配参数ω、ω ，θ，θ和经验池，由CPU完成初始化，GPU可以通过数据传输总线PCIE进行访问， 其中，ω和θ分别是CPU的两个内存空间保存的动作网络参数‑ ‑

和评估网络参数， ω和θ分别是GPU的两个内存空间保存的当地动作网络参数和当地评估网络参数；

3)将已有的M*N个环境模拟器拆分为两个相同大小的部分，即2个M*N/2个环境模拟器组合， 第一部分环境模拟器先收集状态，将收集完成的状态集合S1发送到GPU，GPU内当地动作网络进行动作采集A1，在动作采集的同时，第二部分环境模拟器启动收集状态， 第一部分状态的相应动作集合A1在GPU采集完成后发送回CPU的第一部分环境模拟器，第一部分环境模拟器接收动作并收集下一轮状态S1，同时第二部分环境模拟器将收集完成的状态集合S2发送到GPU，GPU并行进行动作采集A2；由此循环；在推理阶段，收集M*N个当前状态，组成状态集合S；将S通过PCIE发送至GPU；由S集合获得动作集合A与值函数集合V；将A通过PCIE发送至CPU环境模拟器；获得回报值R与下一状态S‑；将存入经验池；

4)在训练阶段，选取batch量的数据；根据算法计算目标函数；在CPU上执行训练过程，获得更新参数；将更新参数发送给GPU进行复制更新；根据设置清空经验池或清理一部分经验池；

5)根据训练的次数来更新参数θ，ω，系统达到要求后，训练完成。

2.按照权利要求1所述的一种深度强化学习加速训练的方法，特征在于，在CPU上执行多个环境模拟器并与GPU之间利用PCIE通讯。

3.按照权利要求1所述的一种深度强化学习加速训练的方法，特征在于，在CPU‑GPU框架内通过堆叠环境模拟器可以实现负载平衡，达到两倍的深度强化学习的性能加速。

4.按照权利要求1所述的一种深度强化学习加速训练的方法，特征在于，CPU内存、GPU显存的固定位置分配参数，在CPU中执行初始化和读写经验池数据，在CPU和GPU之间通过PCIE进行网络参数读写。