IJCAI2021强化学习相关论文集合推荐

1、 论文名称：Reinforcement Learning for Sparse-Reward Object-Interaction Tasks in a First-person Simulated 3D Environment.
论文链接：https://www.aminer.cn/pub/5f9bd99491e011dcf482d815?f=cs

2、 论文名称：BACKDOORL - Backdoor Attack against Competitive Reinforcement Learning.
论文链接： https://www.aminer.cn/pub/60912d2191e01105f877fba7?f=cs

3、 论文名称：Boosting Offline Reinforcement Learning with Residual Generative Modeling.
论文链接：https://www.aminer.cn/pub/60d3d23e91e0112ca5d1856e?f=cs

4、 论文名称：Mean Field Games Flock! The Reinforcement Learning Way.
论文链接：https://www.aminer.cn/pub/60a3bb7b91e01115219ffbd4?f=cs

5、论文名称：Ordering-Based Causal Discovery with Reinforcement Learning.
论文链接： https://www.aminer.cn/pub/6051c3aa9e795eb49a3cb228?f=cs

6论文名称：Efficient PAC Reinforcement Learning in Regular Decision Processes.
论文链接：https://www.aminer.cn/pub/60a2447991e0115ec77b9d24?f=cs

7论文名称：Average-Reward Reinforcement Learning with Trust Region Methods.
论文链接： https://www.aminer.cn/pub/60c1a40391e0112cf43c2176?f=cs

8论文名称：Data-Efficient Reinforcement Learning for Malaria Control.
论文链接： https://www.aminer.cn/pub/60da8fc20abde95dc965f767?f=cs

9论文名称：Reinforcement Learning for Route Optimization with Robustness Guarantees.
论文链接： https://www.aminer.cn/pub/60da8fc20abde95dc965f74a?f=cs

10论文名称：Dynamic Lane Traffic Signal Control with Group Attention and Multi-Timescale Reinforcement Learning.
论文链接： https://www.aminer.cn/pub/60da8fc20abde95dc965f7b3?f=cs

11论文名称：Verifying Reinforcement Learning up to Infinity.
论文链接： https://www.aminer.cn/pub/60da8fc20abde95dc965f8ba?f=cs

12论文名称：Non-decreasing Quantile Function Network with Efficient Exploration for Distributional Reinforcement Learning.
论文链接： https://www.aminer.cn/pub/60a23f8791e0115ec77b9ccc?f=cs

13论文名称：Multi-Objective Reinforcement Learning for Designing Ethical Environments.
论文链接： https://www.aminer.cn/pub/60da8fc20abde95dc965f79e?f=cs

强化学习的概念：
1、policy
策略决定了agent在特定时间的行为，将当前环境的状态state映射为行动action，对应于心理学中所谓的一套刺激-反应规则。

2、reward
每一步动作，环境都会给予agent一个奖励reward，agent唯一的目标是最大化长期获得的总奖励。奖励的大小反应了事件的好坏。奖励信号是改变策略的主要依据，如果策略选择的行动是低回报的，那么在将来，可能会更改策略来选择其他的行动。

3、value function
reward只给出了在某个状态下的即时奖励，而价值函数给出的是长期的奖励。价值函数表示的是当前的奖励和后续奖励累计的总和。

4、model
模仿环境的行为，如给定状态和行为，模型可以预测下一个状态和下一个奖励。在现实中，model可能存在，也有可能不存在。在强化学习中， model存在时称为基于模型的学习model-based，不存在时称为无模型学习model-free。

IJCAI2021会议已于2021年11月7日到2021年11月9日在中国成都举召开，目前会议的论文都已经放出， AMiner对会议论文进行整理，查看全部论文：https://www.aminer.cn/conf/ijcai2021?f=cs

AMiner是一个科技情报分析与挖掘平台，利用AI为用户高效获取和理解科研情报，拥有推荐引擎、搜索引擎、关注订阅和内容运营等多种分发方式，内容囊括论文、学者、专利、报告、会议、专题集等多种形式，涵盖计算机科学、医学、通信、地学、物理等40个学科。
不用再一个人在茫茫网络中找论文了，找论文，就上AMiner。
AMiner：https://www.aminer.cn/