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2022年自主智能体和多智能体系统（Autonomous Agents and Multi-Agent Systems, AAMAS）会议中涉及“强化学习”主题的论文。AAMAS是智能体和多智能体系统领域最大和最具影响力的会议，聚集了智能体技术各个领域的研究人员和实践者，并为发布和了解该领域的最新发展提供了国际知名的高知名度论坛。AAMAS是非营利性的国际自主智能体和多智能体系统基金会(IFAAMAS)的旗舰会议。

• [1]. Multi-Objective Reinforcement Learning with Non-Linear Scalarization.
• [2]. Be Consid