Buchumschlag

Distributed Multi-Agent Reinforcement Learning Based on Graph-Induced Local Value Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jing, Gangshan, Bai, He, George, Jemin, Chakrabortty, Aranya, Sharma, Piyush K.
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Artificial Intelligence Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Asynchronous Distributed Reinforcement Learning for LQR Control via Zeroth-Order Block Coordinate Descent
von: Jing, Gangshan, et al.
Veröffentlicht: (2021)

Distributed Non-Uniform Scaling Control of Multi-Agent Formation via Matrix-Valued Constraints
von: He, Tao, et al.
Veröffentlicht: (2025)

Asynchronous Local Computations in Distributed Bayesian Learning
von: Bhar, Kinjal, et al.
Veröffentlicht: (2023)

Causal-Inspired Multi-Agent Decision-Making via Graph Reinforcement Learning
von: Wang, Jing, et al.
Veröffentlicht: (2025)

Ensemble Value Functions for Efficient Exploration in Multi-Agent Reinforcement Learning
von: Schäfer, Lukas, et al.
Veröffentlicht: (2023)

TVDO: Tchebycheff Value-Decomposition Optimization for Multi-Agent Reinforcement Learning
von: Hu, Xiaoliang, et al.
Veröffentlicht: (2023)

Multi-Agent Reinforcement Learning for UAV-Based Chemical Plume Source Localization
von: Li, Zhirun, et al.
Veröffentlicht: (2026)

Sample-Efficient Distributionally Robust Multi-Agent Reinforcement Learning via Online Interaction
von: Farhat, Zain Ulabedeen, et al.
Veröffentlicht: (2025)

MACTAS: Self-Attention-Based Inter-Agent Communication in Multi-Agent Reinforcement Learning with Action-Value Function Decomposition
von: Wojtala, Maciej, et al.
Veröffentlicht: (2025)

Communicating Unexpectedness for Out-of-Distribution Multi-Agent Reinforcement Learning
von: Lee, Min Whoo, et al.
Veröffentlicht: (2025)

Dynamic Graph Communication for Decentralised Multi-Agent Reinforcement Learning
von: McClusky, Ben
Veröffentlicht: (2024)

Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization
von: Qu, Chengrui, et al.
Veröffentlicht: (2026)

Continuous-Time Value Iteration for Multi-Agent Reinforcement Learning
von: Wang, Xuefeng, et al.
Veröffentlicht: (2025)

Dynamic Deep Factor Graph for Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

ToMacVF : Temporal Macro-action Value Factorization for Asynchronous Multi-Agent Reinforcement Learning
von: Zhang, Wenjing, et al.
Veröffentlicht: (2025)

VIL2C: Value-of-Information Aware Low-Latency Communication for Multi-Agent Reinforcement Learning
von: Zhang, Qian, et al.
Veröffentlicht: (2025)

Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation
von: Elrod, Michael, et al.
Veröffentlicht: (2025)

Physics-Informed Multi-Agent Reinforcement Learning for Distributed Multi-Robot Problems
von: Sebastian, Eduardo, et al.
Veröffentlicht: (2023)

Distributed Neural Policy Gradient Algorithm for Global Convergence of Networked Multi-Agent Reinforcement Learning
von: Dai, Pengcheng, et al.
Veröffentlicht: (2025)

Leveraging Graph Neural Networks and Multi-Agent Reinforcement Learning for Inventory Control in Supply Chains
von: Kotecha, Niki, et al.
Veröffentlicht: (2024)

Structured Cooperative Multi-Agent Reinforcement Learning: a Bayesian Network Perspective
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Shapley Value Based Multi-Agent Reinforcement Learning: Theory, Method and Its Application to Energy Network
von: Wang, Jianhong
Veröffentlicht: (2024)

Revisiting Communication Efficiency in Multi-Agent Reinforcement Learning from the Dimensional Analysis Perspective
von: Sun, Chuxiong, et al.
Veröffentlicht: (2025)

Towards a Distributed Platform for Normative Reasoning and Value Alignment in Multi-Agent Systems
von: Garcia-Bohigues, Miguel, et al.
Veröffentlicht: (2024)

Field Deployment of Multi-Agent Reinforcement Learning Based Variable Speed Limit Controllers
von: Zhang, Yuhang, et al.
Veröffentlicht: (2024)

An Agent-Centric Dynamical Systems Perspective on Multi-Agent Reinforcement Learning
von: Rudd-Jones, James, et al.
Veröffentlicht: (2025)

Learning Efficient Communication Protocols for Multi-Agent Reinforcement Learning
von: Zhang, Xinren, et al.
Veröffentlicht: (2025)

Asynchronous Credit Assignment for Multi-Agent Reinforcement Learning
von: Liang, Yongheng, et al.
Veröffentlicht: (2024)

Multi-AUV Cooperative Underwater Multi-Target Tracking Based on Dynamic-Switching-enabled Multi-Agent Reinforcement Learning
von: Wang, Shengbo, et al.
Veröffentlicht: (2024)

Learning to Coordinate via Quantum Entanglement in Multi-Agent Reinforcement Learning
von: Gardiner, John, et al.
Veröffentlicht: (2026)

Normative Modules: A Generative Agent Architecture for Learning Norms that Supports Multi-Agent Cooperation
von: Sarkar, Atrisha, et al.
Veröffentlicht: (2024)

Mapis: A Knowledge-Graph Grounded Multi-Agent Framework for Evidence-Based PCOS Diagnosis
von: He, Zanxiang, et al.
Veröffentlicht: (2025)

Greedy-based Value Representation for Optimal Coordination in Multi-agent Reinforcement Learning
von: Wan, Lipeng, et al.
Veröffentlicht: (2021)

Bridging Training and Execution via Dynamic Directed Graph-Based Communication in Cooperative Multi-Agent Systems
von: Zhang, Zhuohui, et al.
Veröffentlicht: (2024)

Distributed Zeroth-Order Policy Gradient for Networked Multi-agent Reinforcement Learning from Human Feedback
von: Dai, Pengcheng, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning with Communication-Constrained Priors
von: Yang, Guang, et al.
Veröffentlicht: (2025)

Towards Language-Augmented Multi-Agent Deep Reinforcement Learning
von: Toquebiau, Maxime, et al.
Veröffentlicht: (2025)

LAGMA: LAtent Goal-guided Multi-Agent Reinforcement Learning
von: Na, Hyungho, et al.
Veröffentlicht: (2024)

Deep Equivariant Multi-Agent Control Barrier Functions
von: Bousias, Nikolaos, et al.
Veröffentlicht: (2025)

Graph Neural Network-based Multi-agent Reinforcement Learning for Resilient Distributed Coordination of Multi-Robot Systems
von: Goeckner, Anthony, et al.
Veröffentlicht: (2024)