Basado en el buen rendimiento del aprendizaje profundo por refuerzo (DRL) en la optimización de políticas, se propone un método de optimización de políticas de proyección estereoscópica que combina el método de experimento de simulación con el método DRL. Sobre la base de la investigación en optimización de políticas, se selecciona un marco de aprendizaje profundo de acuerdo con los problemas de investigación, y se construye un modelo de política de proyección estereoscópica DRL basado en el algoritmo de actor-crítico de ventaja asincrónica (A3C), que utiliza dos grupos de redes neuronales. La política de proyección estereoscópica optimizada se obtiene mediante el aprendizaje interactivo entre el modelo DRL y la simulación. Se verifica la efectividad de la política de optimización cooperativa entre el DRL y el experimento de simulación.