基于路由集成与轨迹归因的多目标强化学习

针对多目标强化学习中不同目标权重下最优策略差异大、逐偏好学习样本效率低的问题，论文提出目标冲突系数并据此推导在线设置的近最优 regret 界，设计路由集成策略学习算法，维护一小组基策略并将轨迹动态路由到潜在回报最高的策略，同时讨论轨迹选择。

AI推荐理由 提出目标冲突系数并给出在线设置的近最优 regret 界，量化目标错位对学习效率的影响，进而设计路由集成策略学习：维护少量基策略并按潜在回报动态路由轨迹。理论贡献明确，但摘要未给出实验验证，应用面偏方法层。