Ir para o conteúdo
VuFind
  • Entrar
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
    • 日本語
    • Nederlands
    • Português
    • Português (Brasil)
    • 中文(简体)
    • 中文(繁體)
    • Türkçe
    • עברית
    • Gaeilge
    • Cymraeg
    • Ελληνικά
    • Català
    • Euskara
    • Русский
    • Čeština
    • Suomi
    • Svenska
    • polski
    • Dansk
    • slovenščina
    • اللغة العربية
    • বাংলা
    • Galego
    • Tiếng Việt
    • Hrvatski
    • हिंदी
    • Հայերէն
    • Українська
    • Sámegiella
    • Монгол
    • Māori
Avançada
  • Citar
  • Enviar por SMS
  • Enviar por email
  • Imprimir
  • Exportar registo
    • Exportar para RefWorks
    • Exportar para EndNoteWeb
    • Exportar para EndNote
  • Adic. favoritos
  • Permanent link
Imagem da capa

Na minha lista:
Detalhes bibliográficos
Main Authors: Shen, Jinjin, Lin, Yan, Zhang, Yijin, Zhang, Weibin, Shu, Feng, Li, Jun
Formato: Preprint
Publicado em: 2024
Assuntos:
Multiagent Systems
Emerging Technologies
Acesso em linha:https://arxiv.org/abs/2410.10071
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
  • Exemplares
  • Descrição
  • Sumário
  • Comentários
  • Registos relacionados
  • Registo fonte

Internet

https://arxiv.org/abs/2410.10071

Registos relacionados

  • Quantum Computing and Neuromorphic Computing for Safe, Reliable, and explainable Multi-Agent Reinforcement Learning: Optimal Control in Autonomous Robotics
    Por: Taghavi, Mazyar, et al.
    Publicado em: (2024)
  • A Gossip-Enhanced Communication Substrate for Agentic AI: Toward Decentralized Coordination in Large-Scale Multi-Agent Systems
    Por: Khan, Nafiul I., et al.
    Publicado em: (2025)
  • One Step is Enough: Multi-Agent Reinforcement Learning based on One-Step Policy Optimization for Order Dispatch on Ride-Sharing Platforms
    Por: Zhao, Zijian, et al.
    Publicado em: (2025)
  • BMG-Q: Localized Bipartite Match Graph Attention Q-Learning for Ride-Pooling Order Dispatch
    Por: Hu, Yulong, et al.
    Publicado em: (2025)
  • eQMARL: Entangled Quantum Multi-Agent Reinforcement Learning for Distributed Cooperation over Quantum Channels
    Por: DeRieux, Alexander, et al.
    Publicado em: (2024)

Opções de Pesquisa

  • Histórico de Pesquisas
  • Pesquisa Avançada

Encontrar Mais

  • Percorrer o Catálogo
  • Percorrer por ordem alfabética
  • Explore Channels
  • Bibliografia Recomendada
  • Novos exemplares

Precisa de ajuda?

  • Dicas de Pesquisa
  • Serviço de Referência
  • FAQs