Buchumschlag

Independent Learning in Constrained Markov Potential Games

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jordan, Philip, Barakat, Anas, He, Niao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Science and Game Theory Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Independent Policy Mirror Descent for Markov Potential Games: Scaling to Large Number of Players
von: Alatur, Pragnya, et al.
Veröffentlicht: (2024)

Independent Learning of Nash Equilibria in Partially Observable Markov Potential Games with Decoupled Dynamics
von: Jordan, Philip, et al.
Veröffentlicht: (2026)

Convex Markov Games and Beyond: New Proof of Existence, Characterization and Learning Algorithms for Nash Equilibria
von: Barakat, Anas, et al.
Veröffentlicht: (2026)

Learning Zero-Sum Linear Quadratic Games with Improved Sample Complexity and Last-Iterate Convergence
von: Wu, Jiduan, et al.
Veröffentlicht: (2023)

Nash Equilibria in Games with Playerwise Concave Coupling Constraints: Existence and Computation
von: Jordan, Philip, et al.
Veröffentlicht: (2025)

Scalable Neural Incentive Design with Parameterized Mean-Field Approximation
von: Corecco, Nathan, et al.
Veröffentlicht: (2025)

Tractable Equilibrium Computation in Markov Games through Risk Aversion
von: Mazumdar, Eric, et al.
Veröffentlicht: (2024)

Beyond Theorems: A Counterexample to Potential Markov Game Criteria
von: Fardno, Fatemeh, et al.
Veröffentlicht: (2024)

Solving Zero-Sum Convex Markov Games
von: Kalogiannis, Fivos, et al.
Veröffentlicht: (2025)

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

Energy Minimization for Participatory Federated Learning in IoT Analyzed via Game Theory
von: Buratto, Alessandro, et al.
Veröffentlicht: (2025)

Performative Prediction on Games and Mechanism Design
von: Góis, António, et al.
Veröffentlicht: (2024)

Fair Contracts in Principal-Agent Games with Heterogeneous Types
von: Tłuczek, Jakub, et al.
Veröffentlicht: (2025)

Fast and the Furious: Hot Starts in Pursuit-Evasion Games
von: Smithline, Gabriel, et al.
Veröffentlicht: (2025)

On the Power of Perturbation under Sampling in Solving Extensive-Form Games
von: Masaka, Wataru, et al.
Veröffentlicht: (2025)

Grouped Satisficing Paths in Pure Strategy Games: a Topological Perspective
von: Fu, Yanqing, et al.
Veröffentlicht: (2025)

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

When is Mean-Field Reinforcement Learning Tractable and Relevant?
von: Yardim, Batuhan, et al.
Veröffentlicht: (2024)

Shapley Machine: A Game-Theoretic Framework for N-Agent Ad Hoc Teamwork
von: Wang, Jianhong, et al.
Veröffentlicht: (2025)

Distributionally Robust Markov Games with Average Reward
von: Roch, Zachary, et al.
Veröffentlicht: (2025)

Successor Features for Transfer in Alternating Markov Games
von: Amatya, Sunny, et al.
Veröffentlicht: (2025)

Aggregate Fictitious Play for Learning in Anonymous Polymatrix Games (Extended Version)
von: Kara, Semih, et al.
Veröffentlicht: (2025)

Choose Your Battles: Distributed Learning Over Multiple Tug of War Games
von: Chandak, Siddharth, et al.
Veröffentlicht: (2025)

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

Transformers as Game Players: Provable In-context Game-playing Capabilities of Pre-trained Models
von: Shi, Chengshuai, et al.
Veröffentlicht: (2024)

Risk Sensitivity in Markov Games and Multi-Agent Reinforcement Learning: A Systematic Review
von: Ghaemi, Hafez, et al.
Veröffentlicht: (2024)

Incentivize Contribution and Learn Parameters Too: Federated Learning with Strategic Data Owners
von: Doshi, Drashthi, et al.
Veröffentlicht: (2025)

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

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

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

Learning from Delayed Feedback in Games via Extra Prediction
von: Fujimoto, Yuma, et al.
Veröffentlicht: (2025)

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

Stochastic Principal-Agent Problems: Efficient Computation and Learning
von: Gan, Jiarui, et al.
Veröffentlicht: (2023)

No-Regret Learning for Fair Multi-Agent Social Welfare Optimization
von: Zhang, Mengxiao, et al.
Veröffentlicht: (2024)

Breaking the Curse of Multiagency in Robust Multi-Agent Reinforcement Learning
von: Shi, Laixi, et al.
Veröffentlicht: (2024)

Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts
von: Ivanov, Dima, et al.
Veröffentlicht: (2024)

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing
von: Liu, Xiangyu, et al.
Veröffentlicht: (2023)

Unsynchronized Decentralized Q-Learning: Two Timescale Analysis By Persistence
von: Yongacoglu, Bora, et al.
Veröffentlicht: (2023)

Matching Multiple Experts: On the Exploitability of Multi-Agent Imitation Learning
von: Bergerault, Antoine, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning in Cybersecurity: From Fundamentals to Applications
von: Landolt, Christoph R., et al.
Veröffentlicht: (2025)