该文综述了强化学习在分子设计中的应用，涵盖多种方法：分层代理在三维空间逐步构建分子，结合3D骨架生成模型与并行图神经网络设计靶向活性分子；MolGym环境采用笛卡尔坐标与量子化学奖励；ReLeaSE利用生成与预测模型构建多属性化合物库；MolRL-MGPT通过多代理提升多样性并设计SARS-CoV-2抑制剂；ChemRLformer优化文本分子设计；MolDQN保证化学有效性并支持多目标优化；循环神经网络用于从头药物设计；PGFS解决可合成性与合成路线问题。