Buchumschlag

Distributed Random Reshuffling Methods with Improved Convergence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Kun, Zhou, Linli, Pu, Shi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Optimization and Control Machine Learning Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CEDAS: A Compressed Decentralized Stochastic Gradient Method with Improved Convergence
von: Huang, Kun, et al.
Veröffentlicht: (2023)

High-Probability Convergence Guarantees of Decentralized SGD
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2025)

An Accelerated Distributed Stochastic Gradient Method with Momentum
von: Huang, Kun, et al.
Veröffentlicht: (2024)

High-Probability Convergence in Decentralized Stochastic Optimization with Gradient Tracking
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2026)

Linear Convergence of Independent Natural Policy Gradient in Games with Entropy Regularization
von: Sun, Youbang, et al.
Veröffentlicht: (2024)

Logarithmically Quantized Distributed Optimization over Dynamic Multi-Agent Networks
von: Doostmohammadian, Mohammadreza, et al.
Veröffentlicht: (2024)

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers
von: Tzikas, Alexandros E., et al.
Veröffentlicht: (2024)

Community-based Multi-Agent Reinforcement Learning with Transfer and Active Exploration
von: Shi, Zhaoyang
Veröffentlicht: (2025)

Deep Distributed Optimization for Large-Scale Quadratic Programming
von: Saravanos, Augustinos D., et al.
Veröffentlicht: (2024)

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach
von: Xu, Zirui, et al.
Veröffentlicht: (2026)

Continuous-time q-learning for mean-field control with common noise, part-I: Theoretical foundations
von: Ren, Zhenjie, et al.
Veröffentlicht: (2026)

Continuous-time q-learning for mean-field control with common noise, part-II: q-learning algorithms
von: Ren, Zhenjie, et al.
Veröffentlicht: (2026)

Data/moment-driven approaches for fast predictive control of collective dynamics
von: Albi, Giacomo, et al.
Veröffentlicht: (2024)

Robust Online Learning over Networks
von: Bastianello, Nicola, et al.
Veröffentlicht: (2023)

A Generalized Sinkhorn Algorithm for Mean-Field Schrödinger Bridge
von: Eldesoukey, Asmaa, et al.
Veröffentlicht: (2026)

Hierarchical Decentralized Stochastic Control for Cyber-Physical Systems
von: Kaza, Kesav, et al.
Veröffentlicht: (2025)

An active learning method for solving competitive multi-agent decision-making and control problems
von: Fabiani, Filippo, et al.
Veröffentlicht: (2022)

Formation Shape Control using the Gromov-Wasserstein Metric
von: Nakashima, Haruto, et al.
Veröffentlicht: (2025)

Scalable spectral representations for multi-agent reinforcement learning in network MDPs
von: Ren, Zhaolin, et al.
Veröffentlicht: (2024)

Exploiting inter-agent coupling information for efficient reinforcement learning of cooperative LQR
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Principled Learning-to-Communicate with Quasi-Classical Information Structures
von: Liu, Xiangyu, et al.
Veröffentlicht: (2026)

Optimization and Learning in Open Multi-Agent Systems
von: Deplano, Diego, et al.
Veröffentlicht: (2025)

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

Non-Ergodic Convergence Algorithms for Distributed Consensus and Coupling-Constrained Optimization
von: Qiu, Chenyang, et al.
Veröffentlicht: (2025)

Approximate Linear Programming for Decentralized Policy Iteration in Cooperative Multi-agent Markov Decision Processes
von: Mandal, Lakshmi, et al.
Veröffentlicht: (2023)

Learning Decentralized Partially Observable Mean Field Control for Artificial Collective Behavior
von: Cui, Kai, et al.
Veröffentlicht: (2023)

Major-Minor Mean Field Multi-Agent Reinforcement Learning
von: Cui, Kai, et al.
Veröffentlicht: (2023)

On the Reliability Limits of LLM-Based Multi-Agent Planning
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Analysis of Multiscale Reinforcement Q-Learning Algorithms for Mean Field Control Games
von: Angiuli, Andrea, et al.
Veröffentlicht: (2024)

Effective Policy Learning for Multi-Agent Online Coordination Beyond Submodular Objectives
von: Zhang, Qixin, et al.
Veröffentlicht: (2025)

Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency
von: Zhang, Qixin, et al.
Veröffentlicht: (2025)

Momentum for the Win: Collaborative Federated Reinforcement Learning across Heterogeneous Environments
von: Wang, Han, et al.
Veröffentlicht: (2024)

Diffusion Stochastic Learning Over Adaptive Competing Networks
von: Zhao, Yike, et al.
Veröffentlicht: (2025)

Adaptive Decentralized Composite Optimization via Three-Operator Splitting
von: Chen, Xiaokai, et al.
Veröffentlicht: (2026)

Decentralized Online Riemannian Optimization Beyond Hadamard Manifolds
von: Sahinoglu, Emre, et al.
Veröffentlicht: (2025)

Securing Equal Share: A Principled Approach for Learning Multiplayer Symmetric Games
von: Ge, Jiawei, et al.
Veröffentlicht: (2024)

Distributed Adaptive Learning Under Communication Constraints
von: Carpentiero, Marco, et al.
Veröffentlicht: (2021)

Personalized and Resilient Distributed Learning Through Opinion Dynamics
von: Ballotta, Luca, et al.
Veröffentlicht: (2025)

Multi-Objective Optimization Using Adaptive Distributed Reinforcement Learning
von: Tan, Jing, et al.
Veröffentlicht: (2024)

Distributed Quasi-Newton Method for Multi-Agent Optimization
von: Shorinwa, Ola, et al.
Veröffentlicht: (2024)