Buchumschlag

Learning Mean Field Games on Sparse Graphs: A Hybrid Graphex Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fabian, Christian, Cui, Kai, Koeppl, Heinz
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Multiagent Systems Artificial Intelligence Computer Science and Game Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Mean Field Control on Sparse Graphs
von: Fabian, Christian, et al.
Veröffentlicht: (2025)

Bounded Rationality Equilibrium Learning in Mean Field Games
von: Eich, Yannick, et al.
Veröffentlicht: (2024)

A Single Online Agent Can Efficiently Learn Mean Field Games
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

Networked Communication for Mean-Field Games with Function Approximation and Empirical Mean-Field Estimation
von: Benjamin, Patrick, et al.
Veröffentlicht: (2024)

Learning Optimal Tax Design in Nonatomic Congestion Games
von: Cui, Qiwen, et al.
Veröffentlicht: (2024)

MF-OML: Online Mean-Field Reinforcement Learning with Occupation Measures for Large Population Games
von: Hu, Anran, et al.
Veröffentlicht: (2024)

Independent RL for Cooperative-Competitive Agents: A Mean-Field Perspective
von: Zaman, Muhammad Aneeq uz, et al.
Veröffentlicht: (2024)

Efficient and Scalable Deep Reinforcement Learning for Mean Field Control Games
von: Peng, Nianli, et al.
Veröffentlicht: (2024)

A Black-box Approach for Non-stationary Multi-agent Reinforcement Learning
von: Jiang, Haozhe, et al.
Veröffentlicht: (2023)

Adaptive Network Intervention for Complex Systems: A Hierarchical Graph Reinforcement Learning Approach
von: Chen, Qiliang, et al.
Veröffentlicht: (2024)

Online Learning of Counter Categories and Ratings in PvP Games
von: Lin, Chiu-Chou, et al.
Veröffentlicht: (2025)

Inverse Concave-Utility Reinforcement Learning is Inverse Game Theory
von: Çelikok, Mustafa Mert, et al.
Veröffentlicht: (2024)

ELA: Exploited Level Augmentation for Offline Learning in Zero-Sum Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

Stackelberg Learning from Human Feedback: Preference Optimization as a Sequential Game
von: Pásztor, Barna, et al.
Veröffentlicht: (2025)

Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games
von: Lanier, JB, et al.
Veröffentlicht: (2026)

Distributed Stackelberg Strategies in State-based Potential Games for Autonomous Decentralized Learning Manufacturing Systems
von: Yuwono, Steve, et al.
Veröffentlicht: (2024)

Combining Tree-Search, Generative Models, and Nash Bargaining Concepts in Game-Theoretic Reinforcement Learning
von: Li, Zun, et al.
Veröffentlicht: (2023)

Evaluating LLMs in Open-Source Games
von: Sistla, Swadesh, et al.
Veröffentlicht: (2025)

Observation Interference in Partially Observable Assistance Games
von: Emmons, Scott, et al.
Veröffentlicht: (2024)

Offline Fictitious Self-Play for Competitive Games
von: Chen, Jingxiao, et al.
Veröffentlicht: (2024)

RuleSmith: Multi-Agent LLMs for Automated Game Balancing
von: Zeng, Ziyao, et al.
Veröffentlicht: (2026)

Policy Optimization finds Nash Equilibrium in Regularized General-Sum LQ Games
von: Zaman, Muhammad Aneeq uz, et al.
Veröffentlicht: (2024)

Preference-Based Multi-Agent Reinforcement Learning: Data Coverage and Algorithmic Techniques
von: Zhang, Natalia, et al.
Veröffentlicht: (2024)

Socially-Weighted Alignment: A Game-Theoretic Framework for Multi-Agent LLM Systems
von: Mumcu, Furkan, et al.
Veröffentlicht: (2026)

Cooperative Game-Theoretic Credit Assignment for Multi-Agent Policy Gradients via the Core
von: Ji, Mengda, et al.
Veröffentlicht: (2025)

Population-aware Online Mirror Descent for Mean-Field Games by Deep Reinforcement Learning
von: Wu, Zida, et al.
Veröffentlicht: (2024)

Agent-Temporal Credit Assignment for Optimal Policy Preservation in Sparse Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2024)

Game-theoretic LLM: Agent Workflow for Negotiation Games
von: Hua, Wenyue, et al.
Veröffentlicht: (2024)

Learning Bilateral Team Formation in Cooperative Multi-Agent Reinforcement Learning
von: Moslemi, Koorosh, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Hanabi
von: Cohen, Nina, et al.
Veröffentlicht: (2025)

Nash Learning from Human Feedback
von: Munos, Rémi, et al.
Veröffentlicht: (2023)

Learning to Negotiate via Voluntary Commitment
von: Zhu, Shuhui, et al.
Veröffentlicht: (2025)

The Benefits of Power Regularization in Cooperative Reinforcement Learning
von: Li, Michelle, et al.
Veröffentlicht: (2024)

Emergent Dominance Hierarchies in Reinforcement Learning Agents
von: Rachum, Ram, et al.
Veröffentlicht: (2024)

Welfare and Fairness in Multi-objective Reinforcement Learning
von: Fan, Zimeng, et al.
Veröffentlicht: (2022)

Learning Unanimously Acceptable Lotteries via Queries
von: Choo, Davin, et al.
Veröffentlicht: (2026)

Nash Convergence of Mean-Based Learning Algorithms in First-Price Auctions
von: Deng, Xiaotie, et al.
Veröffentlicht: (2021)

On the Complexity of Learning to Cooperate with Populations of Socially Rational Agents
von: Loftin, Robert, et al.
Veröffentlicht: (2024)

Offline Learning of Nash Stable Coalition Structures with Possibly Overlapping Coalitions
von: Cohen, Saar
Veröffentlicht: (2026)

Sample-Efficient Hypergradient Estimation for Decentralized Bi-Level Reinforcement Learning
von: Kudo, Mikoto, et al.
Veröffentlicht: (2026)