本文研究多目标强化学习在应对多个优化目标的实际问题中的应用，采用最大最小框架从公平的角度出发并在该框架下提出了相关理论和实用的无模型算法。所提出的理论在多目标强化学习方面具有理论上的突破，而所提出的算法在性能上显著优于现有的基准方法。

Jun, 2024

本研究探讨了如何在多个目标之间实现公平的多目标强化学习，其中一个代理必须学习一种同时在矢量价值回报的多个维度上获得高回报的策略。我们采用期望福利最大化方法，通过某些非线性公平福利函数对长期累积回报的矢量进行建模。我们提供了 Q-learning 的新颖自适应方法，以学习为非线性福利函数进行优化。我们的算法可以被证明收敛，并且实验表明与线性标量化、最佳线性标量化混合或固定行动选择技术相比，在 Nash 社会福利目标方面，我们的方法表现出更好的效果。

Nov, 2022

该研究通过将职业规划视为马尔可夫决策过程，并利用强化学习算法（如 Sarsa、Q-Learning 和 A2C）分析荷兰职业市场的数据，开发了优化员工长期收入的策略。结果表明，相比观察到的职业路径，特别是 Q-Learning 和 Sarsa 模型可以使员工的收入轨迹平均增加 5%。该研究承认了职位筛选的局限性、环境制定的简化以及对就业连续性和零申请成本的假设，并鼓励未来研究在收入优化之外探索其他目标并解决这些局限性，以进一步增强职业规划过程。

Sep, 2023

强化学习中，选择好的奖励函数是一个重要且具有挑战性的问题。本文提出了一种使用最大奖励而不是累积奖励的算法，适用于确定性和随机环境，并将其与现有的强化学习算法相结合。在实验中，我们研究了该算法在两个目标达成环境中的性能，并证明了其相对于标准强化学习算法的优势。

Feb, 2024

本研究提出了一个易于实现的 RL 框架 Maximize to Explore（MEX），它通过最大化一个综合了估计和规划分量的单一目标，在自动平衡探索和利用方面实现了比现有算法更高的采样效率，并实现了更低的计算成本和更好的与现代深度 RL 方法兼容性。

May, 2023

强化学习是解决环境并实现目标达成的框架，该研究提出了一种灵活的算法来提升学习效率并确保目标达成的性质。通过实验证明，该算法能够增强学习效果并保持目标的达成性质。

May, 2024

基于强化学习的离散提示优化中，多目标方法直接优化体积效果更好，并且能够在所有奖励之间实现更好的平衡。

Feb, 2024

本研究针对多目标强化学习中基于值函数的 Q-learning 算法在具有随机状态转移的环境中学习最优策略的问题进行了详细研究，考察了算法的变种以及奖励工程方法，并突出了噪声值估计问题对算法稳定性和收敛性的重要影响。

Jan, 2024

本研究通过强化学习技术，使用离线学习策略，基于历史数据，针对银行问题，寻找最优信用卡额度调整策略，使用双 Q 学习代理可以优于其他策略，生成反映决策复杂性的最优决策策略，通过数据驱动方法而非仅仅依靠专家驱动系统进行决策。

Jun, 2023

本文为那些希望将多目标方法引入其研究的已经熟悉单目标强化学习和计划方法的研究人员以及在实践中遇到多目标决策问题的从业人员提供了一个解决复杂问题的指南，阐述了影响所需解决方案性质的因素，并通过示例说明了这些因素如何影响复杂问题的多目标决策系统的设计。

Mar, 2021