Buchumschlag

Provable Policy Gradient Methods for Average-Reward Markov Potential Games

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Min, Zhou, Ruida, Kumar, P. R., Tian, Chao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Global Convergence of Multi-Agent Policy Gradient in Markov Potential Games
von: Leonardos, Stefanos, et al.
Veröffentlicht: (2021)

Model Selection for Average Reward RL with Application to Utility Maximization in Repeated Games
von: Masoumian, Alireza, et al.
Veröffentlicht: (2024)

Convergence to Nash Equilibrium and No-regret Guarantee in (Markov) Potential Games
von: Dong, Jing, et al.
Veröffentlicht: (2024)

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

Independent Learning in Constrained Markov Potential Games
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

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

Playing Markov Games Without Observing Payoffs
von: Ablin, Daniel, et al.
Veröffentlicht: (2025)

Blind Inverse Game Theory: Jointly Decoding Rewards and Rationality in Entropy-Regularized Competitive Games
von: Virk, Hamza, et al.
Veröffentlicht: (2025)

NashPG: A Policy Gradient Method with Iteratively Refined Regularization for Finding Nash Equilibria
von: Yu, Eason, et al.
Veröffentlicht: (2025)

A Payoff-Based Policy Gradient Method in Stochastic Games with Long-Run Average Payoffs
von: Zhang, Junyue, et al.
Veröffentlicht: (2024)

Refined Sample Complexity for Markov Games with Independent Linear Function Approximation
von: Dai, Yan, et al.
Veröffentlicht: (2024)

Corruption-Robust Offline Two-Player Zero-Sum Markov Games
von: Nika, Andi, et al.
Veröffentlicht: (2024)

Multi-Player Zero-Sum Markov Games with Networked Separable Interactions
von: Park, Chanwoo, et al.
Veröffentlicht: (2023)

Offline Two-Player Zero-Sum Markov Games with KL Regularization
von: Chen, Claire, et al.
Veröffentlicht: (2026)

Near-Optimal Policy Optimization for Correlated Equilibrium in General-Sum Markov Games
von: Cai, Yang, et al.
Veröffentlicht: (2024)

Robust Adversarial Reinforcement Learning in Stochastic Games via Sequence Modeling
von: Tang, Xiaohang, et al.
Veröffentlicht: (2025)

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

Learning in Markov Games with Adaptive Adversaries: Policy Regret, Fundamental Barriers, and Efficient Algorithms
von: Nguyen-Tang, Thanh, et al.
Veröffentlicht: (2024)

Learning in Zero-Sum Markov Games: Relaxing Strong Reachability and Mixing Time Assumptions
von: Ouhamma, Reda, et al.
Veröffentlicht: (2023)

Online Learning for Uninformed Markov Games: Empirical Nash-Value Regret and Non-Stationarity Adaptation
von: Liu, Junyan, et al.
Veröffentlicht: (2026)

Incentivize without Bonus: Provably Efficient Model-based Online Multi-agent RL for Markov Games
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Gradient-based Learning in State-based Potential Games for Self-Learning Production Systems
von: Yuwono, Steve, et al.
Veröffentlicht: (2024)

A Policy-Gradient Approach to Solving Imperfect-Information Games with Best-Iterate Convergence
von: Liu, Mingyang, et al.
Veröffentlicht: (2024)

Fast and Furious Symmetric Learning in Zero-Sum Games: Gradient Descent as Fictitious Play
von: Lazarsfeld, John, et al.
Veröffentlicht: (2025)

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

The Intelligent Disobedience Game: Formulating Disobedience in Stackelberg Games and Markov Decision Processes
von: Hornig, Benedikt, et al.
Veröffentlicht: (2026)

T-TAMER: Provably Taming Trade-offs in ML Serving
von: Yang, Yuanyuan, et al.
Veröffentlicht: (2025)

Market Games for Generative Models: Equilibria, Welfare, and Strategic Entry
von: Wei, Xiukun, et al.
Veröffentlicht: (2026)

On the Decomposition of Differential Game
von: Zhou, Nanxiang, et al.
Veröffentlicht: (2024)

Inception: Efficiently Computable Misinformation Attacks on Markov Games
von: McMahan, Jeremy, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Game-Theoretic Resource Allocation on Graphs
von: An, Zijian, et al.
Veröffentlicht: (2025)

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

Regret Minimization and Convergence to Equilibria in General-sum Markov Games
von: Erez, Liad, et al.
Veröffentlicht: (2022)

Model-Based Reinforcement Learning for Offline Zero-Sum Markov Games
von: Yan, Yuling, et al.
Veröffentlicht: (2022)

Achieving Logarithmic Regret in KL-Regularized Zero-Sum Markov Games
von: Nayak, Anupam, et al.
Veröffentlicht: (2025)

Adaptive, Doubly Optimal No-Regret Learning in Strongly Monotone and Exp-Concave Games with Gradient Feedback
von: Jordan, Michael I., et al.
Veröffentlicht: (2023)

From Average-Iterate to Last-Iterate Convergence in Games: A Reduction and Its Applications
von: Cai, Yang, et al.
Veröffentlicht: (2025)

Roping in Uncertainty: Robustness and Regularization in Markov Games
von: McMahan, Jeremy, et al.
Veröffentlicht: (2024)

The Representation-Rationalizability Tradeoff in Reward Learning
von: Dong, Jing, et al.
Veröffentlicht: (2026)

Improving Sample Efficiency of Model-Free Algorithms for Zero-Sum Markov Games
von: Feng, Songtao, et al.
Veröffentlicht: (2023)