【强化学习论文合集】六.2017国际人工智能联合会议论文(IJCAI2017)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。
本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

今天给大家分享的是2017年国际人工智能联合会议（International Joint Conference on Artificial Intelligence, IJCAI）中涉及“强化学习”主题的论文。
IJCAI是人工智能领域中最主要的学术会议之一，原为单数年召开，自2016年起改为每年召开。有时还会和其他地区性的人工智能会议(‘xxCAI’)一起召开，常为该年举办地的所属的地区性质会议，如PRICAI(环太平洋人工智能会议)，ECAI(欧洲人工智能会议)等。

• [1]. Universal Reinforcement Learning Algorithms: Survey and Experiments.
• [2]. Efficient