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2019年国际机器学习会议（International Conference on Machine Learning, ICML）中涉及“强化学习”主题的论文。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。

• [1]. Dynamic Weights in Multi-Objective Deep Reinforcement Learning.
• [2]. TibGM: A Transferable and Information-Based Graphical Model Approach for Reinforcement Learning