Buchumschlag

Aquarium: A Comprehensive Framework for Exploring Predator-Prey Dynamics through Multi-Agent Reinforcement Learning Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kölle, Michael, Erpelding, Yannick, Ritz, Fabian, Phan, Thomy, Illium, Steffen, Linnhoff-Popien, Claudia
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Agent Quantum Reinforcement Learning using Evolutionary Optimization
von: Kölle, Michael, et al.
Veröffentlicht: (2023)

MEDIATE: Mutually Endorsed Distributed Incentive Acknowledgment Token Exchange
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Architectural Influence on Variational Quantum Circuits in Multi-Agent Reinforcement Learning: Evolutionary Strategies for Optimization
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Dynamic Incentivized Cooperation under Changing Rewards
von: Altmann, Philipp, et al.
Veröffentlicht: (2026)

PIMAEX: Multi-Agent Exploration through Peer Incentivization
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

Emergent Cooperation in Quantum Multi-Agent Reinforcement Learning Using Communication
von: Kölle, Michael, et al.
Veröffentlicht: (2026)

Emergence in Multi-Agent Systems: A Safety Perspective
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Confidence-Based Curriculum Learning for Multi-Agent Path Finding
von: Phan, Thomy, et al.
Veröffentlicht: (2024)

Multi-Agent Path Finding Among Dynamic Uncontrollable Agents with Statistical Safety Guarantees
von: Strawn, Kegan J., et al.
Veröffentlicht: (2025)

Adaptive Anytime Multi-Agent Path Finding Using Bandit-Based Large Neighborhood Search
von: Phan, Thomy, et al.
Veröffentlicht: (2023)

Anytime Multi-Agent Path Finding using Operation Parallelism in Large Neighborhood Search
von: Chan, Shao-Hung, et al.
Veröffentlicht: (2024)

ClusterComm: Discrete Communication in Decentralized MARL using Internal Representation Clustering
von: Müller, Robert, et al.
Veröffentlicht: (2024)

Challenges for Reinforcement Learning in Quantum Circuit Design
von: Altmann, Philipp, et al.
Veröffentlicht: (2023)

Tackling Uncertainties in Multi-Agent Reinforcement Learning through Integration of Agent Termination Dynamics
von: Hazra, Somnath, et al.
Veröffentlicht: (2025)

Quantum Advantage Actor-Critic for Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

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

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

Algorithmic Contract Design with Reinforcement Learning Agents
von: Concha, David Molina, et al.
Veröffentlicht: (2024)

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

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

HYGMA: Hypergraph Coordination Networks with Dynamic Grouping for Multi-Agent Reinforcement Learning
von: Liu, Chiqiang, et al.
Veröffentlicht: (2025)

Multi-Agent Corridor Generating Algorithm
von: Pertzovsky, Arseniy, 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)

Quantum Advantage in Multi Agent Reinforcement Learning
von: Dahia, Simranjeet Singh, et al.
Veröffentlicht: (2026)

VissimRL: A Multi-Agent Reinforcement Learning Framework for Traffic Signal Control Based on Vissim
von: Chang, Hsiao-Chuan, et al.
Veröffentlicht: (2026)

AI-Olympics: Exploring the Generalization of Agents through Open Competitions
von: Wang, Chen, et al.
Veröffentlicht: (2024)

An Offline Multi-Agent Reinforcement Learning Framework for Radio Resource Management
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2025)

EncGPT: A Multi-Agent Workflow for Dynamic Encryption Algorithms
von: Li, Donghe, et al.
Veröffentlicht: (2025)

Achieving Equilibrium under Utility Heterogeneity: An Agent-Attention Framework for Multi-Agent Multi-Objective Reinforcement Learning
von: Li, Zhuhui, et al.
Veröffentlicht: (2025)

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

Beyond Human Intervention: Algorithmic Collusion through Multi-Agent Learning Strategies
von: Grondin, Suzie, et al.
Veröffentlicht: (2025)

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

MARS-DA: A Hierarchical Reinforcement Learning Framework for Risk-Aware Multi-Agent Bidding in Power Grids
von: Chen, Jiayi, et al.
Veröffentlicht: (2026)

Internal vs. External: Comparing Deliberation and Evolution for Multi-Agent Constitutional Design
von: Niranjani, Hershraj, et al.
Veröffentlicht: (2026)

Toward Dependency Dynamics in Multi-Agent Reinforcement Learning for Traffic Signal Control
von: Zhang, Yuli, et al.
Veröffentlicht: (2025)

HARBOR: Exploring Persona Dynamics in Multi-Agent Competition
von: Jiang, Kenan, et al.
Veröffentlicht: (2025)

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

Learning Efficient Communication Protocols for Multi-Agent Reinforcement Learning
von: Zhang, Xinren, 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)