Buchumschlag

A Review of the Deep Sea Treasure problem as a Multi-Objective Reinforcement Learning Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cassimon, Amber, Eyckerman, Reinout, Mercelis, Siegfried, Latré, Steven, Hellinckx, Peter
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scalable Reinforcement Learning-based Neural Architecture Search
von: Cassimon, Amber, et al.
Veröffentlicht: (2024)

Task Adaptation of Reinforcement Learning-based NAS Agents through Transfer Learning
von: Cassimon, Amber, et al.
Veröffentlicht: (2024)

Designing a Classifier for Active Fire Detection from Multispectral Satellite Imagery Using Neural Architecture Search
von: Cassimon, Amber, et al.
Veröffentlicht: (2024)

Evaluating Robustness of Reinforcement Learning Algorithms for Autonomous Shipping
von: Lesy, Bavo, et al.
Veröffentlicht: (2024)

Robust Model-Based Reinforcement Learning with an Adversarial Auxiliary Model
von: Herremans, Siemen, et al.
Veröffentlicht: (2024)

Resource-Aware Neural Network Pruning Using Graph-based Reinforcement Learning
von: Balemans, Dieter, et al.
Veröffentlicht: (2025)

Data selection method for assessment of autonomous vehicles
von: Trinh, Linh, et al.
Veröffentlicht: (2024)

Intelligent Road Condition Monitoring using 3D In-Air SONAR Sensing
von: Cassimon, Amber, et al.
Veröffentlicht: (2026)

Benchmarking Offline Multi-Objective Reinforcement Learning in Critical Care
von: Bansal, Aryaman, et al.
Veröffentlicht: (2025)

On Generalization Across Environments In Multi-Objective Reinforcement Learning
von: Teoh, Jayden, et al.
Veröffentlicht: (2025)

A Hybrid Inductive-Transductive Network for Traffic Flow Imputation on Unsampled Locations
von: Rahimiasl, Mohammadmahdi, et al.
Veröffentlicht: (2025)

The Pursuit of Diversity: Multi-Objective Testing of Deep Reinforcement Learning Agents
von: Bartlett, Antony, et al.
Veröffentlicht: (2025)

Latent-Conditioned Policy Gradient for Multi-Objective Deep Reinforcement Learning
von: Kanazawa, Takuya, et al.
Veröffentlicht: (2023)

Multi-Objective Adaptive Rate Limiting in Microservices Using Deep Reinforcement Learning
von: Lyu, Ning, et al.
Veröffentlicht: (2025)

LiDAR-BIND-T: Improved and Temporally Consistent Sensor Modality Translation and Fusion for Robotic Applications
von: Balemans, Niels, et al.
Veröffentlicht: (2025)

Preference-based Multi-Objective Reinforcement Learning
von: Mu, Ni, et al.
Veröffentlicht: (2025)

Pareto Set Learning for Multi-Objective Reinforcement Learning
von: Liu, Erlong, et al.
Veröffentlicht: (2025)

PAPN: Proximity Attention Encoder and Pointer Network Decoder for Parcel Pickup Route Prediction
von: Denis, Hansi, et al.
Veröffentlicht: (2025)

Deep Multi-Objective Reinforcement Learning for Utility-Based Infrastructural Maintenance Optimization
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

A Reward-Free Viewpoint on Multi-Objective Reinforcement Learning
von: Chen, Ying-Tu, et al.
Veröffentlicht: (2026)

Scalable Multi-Objective Robot Reinforcement Learning through Gradient Conflict Resolution
von: Munn, Humphrey, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning for Water Management
von: Osika, Zuzanna, et al.
Veröffentlicht: (2025)

Demonstration Guided Multi-Objective Reinforcement Learning
von: Lu, Junlin, et al.
Veröffentlicht: (2024)

ASVSim (AirSim for Surface Vehicles): A High-Fidelity Simulation Framework for Autonomous Surface Vehicle Research
von: Lesy, Bavo, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning Based on Decomposition: A Taxonomy and Framework
von: Felten, Florian, et al.
Veröffentlicht: (2023)

Theoretical Study of Conflict-Avoidant Multi-Objective Reinforcement Learning
von: Wang, Yudan, et al.
Veröffentlicht: (2024)

Reward Dimension Reduction for Scalable Multi-Objective Reinforcement Learning
von: Park, Giseung, et al.
Veröffentlicht: (2025)

Breaking the Bias Barrier in Concave Multi-Objective Reinforcement Learning
von: Ganesh, Swetha, et al.
Veröffentlicht: (2026)

Constrained Multi-Objective Reinforcement Learning with Max-Min Criterion
von: Park, Giseung, et al.
Veröffentlicht: (2026)

Multi-Objective Reinforcement Learning for Generating Covalent Inhibitor Candidates
von: Gil, Renee
Veröffentlicht: (2026)

Enabling Pareto-Stationarity Exploration in Multi-Objective Reinforcement Learning: A Multi-Objective Weighted-Chebyshev Actor-Critic Approach
von: Hairi, Fnu, et al.
Veröffentlicht: (2025)

MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning
von: Hu, Tianmeng, et al.
Veröffentlicht: (2026)

TREX: Trajectory Explanations for Multi-Objective Reinforcement Learning
von: Rajapakse, Dilina, et al.
Veröffentlicht: (2026)

Interpretability by Design for Efficient Multi-Objective Reinforcement Learning
von: Xia, Qiyue, et al.
Veröffentlicht: (2025)

Conflict-Averse Gradient Aggregation for Constrained Multi-Objective Reinforcement Learning
von: Kim, Dohyeong, et al.
Veröffentlicht: (2024)

MODRL-TA:A Multi-Objective Deep Reinforcement Learning Framework for Traffic Allocation in E-Commerce Search
von: Cheng, Peng, et al.
Veröffentlicht: (2024)

Exploring Equity of Climate Policies using Multi-Agent Multi-Objective Reinforcement Learning
von: Biswas, Palok, et al.
Veröffentlicht: (2025)

Unsupervised Representation Learning in Deep Reinforcement Learning: A Review
von: Botteghi, Nicolò, et al.
Veröffentlicht: (2022)

Safe and Balanced: A Framework for Constrained Multi-Objective Reinforcement Learning
von: Gu, Shangding, et al.
Veröffentlicht: (2024)

An Offline Adaptation Framework for Constrained Multi-Objective Reinforcement Learning
von: Lin, Qian, et al.
Veröffentlicht: (2024)