Buchumschlag

PeersimGym: An Environment for Solving the Task Offloading Problem with Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Metelo, Frederico, Racković, Stevo, Costa, Pedro Ákos, Soares, Cláudia
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FAuNO: Semi-Asynchronous Federated Reinforcement Learning Framework for Task Offloading in Edge Systems
von: Metelo, Frederico, et al.
Veröffentlicht: (2025)

EduGym: An Environment and Notebook Suite for Reinforcement Learning Education
von: Moerland, Thomas M., et al.
Veröffentlicht: (2023)

CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents
von: Wang, Bowen, et al.
Veröffentlicht: (2026)

Gym-Anything: Turn any Software into an Agent Environment
von: Aggarwal, Pranjal, et al.
Veröffentlicht: (2026)

NetworkGym: Reinforcement Learning Environments for Multi-Access Traffic Management in Network Simulation
von: Haider, Momin, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning for Task Offloading in Wireless Edge Networks
von: Fox, Andrea, et al.
Veröffentlicht: (2025)

Gym4ReaL: A Suite for Benchmarking Real-World Reinforcement Learning
von: Salaorni, Davide, et al.
Veröffentlicht: (2025)

RLCAD: Reinforcement Learning Training Gym for Revolution Involved CAD Command Sequence Generation
von: Yin, Xiaolong, et al.
Veröffentlicht: (2025)

HydroGym: A Reinforcement Learning Platform for Fluid Dynamics
von: Lagemann, Christian, et al.
Veröffentlicht: (2025)

Solving Deep Reinforcement Learning Tasks with Evolution Strategies and Linear Policy Networks
von: Wong, Annie, et al.
Veröffentlicht: (2024)

Accelerating Proximal Policy Optimization Learning Using Task Prediction for Solving Environments with Delayed Rewards
von: Ahmad, Ahmad, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Solving Management Problems: Towards A Large Management Mode
von: Jiang, Jinyang, et al.
Veröffentlicht: (2024)

Enhancing LLMs for Physics Problem-Solving using Reinforcement Learning with Human-AI Feedback
von: Anand, Avinash, et al.
Veröffentlicht: (2024)

An End-to-End Deep Reinforcement Learning Approach for Solving the Traveling Salesman Problem with Drones
von: Zeng, Taihelong, et al.
Veröffentlicht: (2025)

D3-Gym: Constructing Real-World Verifiable Environments for Data-Driven Discovery
von: Moussa, Hanane Nour, et al.
Veröffentlicht: (2026)

Memory, Benchmark & Robots: A Benchmark for Solving Complex Tasks with Reinforcement Learning
von: Cherepanov, Egor, et al.
Veröffentlicht: (2025)

Continual Reinforcement Learning via Autoencoder-Driven Task and New Environment Recognition
von: Erden, Zeki Doruk, et al.
Veröffentlicht: (2025)

Construct, Merge, Solve & Adapt with Reinforcement Learning for the min-max Multiple Traveling Salesman Problem
von: Rodríguez-Corominas, Guillem, et al.
Veröffentlicht: (2026)

UserBench: An Interactive Gym Environment for User-Centric Agents
von: Qian, Cheng, et al.
Veröffentlicht: (2025)

EnterpriseOps-Gym: Environments and Evaluations for Stateful Agentic Planning and Tool Use in Enterprise Settings
von: Malay, Shiva Krishna Reddy, et al.
Veröffentlicht: (2026)

Pass@K Policy Optimization: Solving Harder Reinforcement Learning Problems
von: Walder, Christian, et al.
Veröffentlicht: (2025)

Improving Reinforcement Learning Efficiency with Auxiliary Tasks in Non-Visual Environments: A Comparison
von: Lange, Moritz, et al.
Veröffentlicht: (2023)

Unsupervised Learning for Solving the Travelling Salesman Problem
von: Min, Yimeng, et al.
Veröffentlicht: (2023)

Matching Problems to Solutions: An Explainable Way of Solving Machine Learning Problems
von: Saleh, Lokman, et al.
Veröffentlicht: (2024)

Quantum Architecture Search for Solving Quantum Machine Learning Tasks
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

TIMRL: A Novel Meta-Reinforcement Learning Framework for Non-Stationary and Multi-Task Environments
von: Qi, Chenyang, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
von: Wan, Pengfu, et al.
Veröffentlicht: (2025)

Assessing Large Language Models for Automated Feedback Generation in Learning Programming Problem Solving
von: Silva, Priscylla, et al.
Veröffentlicht: (2025)

KV Cache Offloading for Context-Intensive Tasks
von: Bocharnikov, Andrey, et al.
Veröffentlicht: (2026)

DataEnvGym: Data Generation Agents in Teacher Environments with Student Feedback
von: Khan, Zaid, et al.
Veröffentlicht: (2024)

Mining--Gym: A Configurable RL Benchmarking Environment for Truck Dispatch Scheduling
von: Banerjee, Chayan, et al.
Veröffentlicht: (2025)

SED2AM: Solving Multi-Trip Time-Dependent Vehicle Routing Problem using Deep Reinforcement Learning
von: Mozhdehi, Arash, et al.
Veröffentlicht: (2025)

Solving Continual Offline Reinforcement Learning with Decision Transformer
von: Huang, Kaixin, et al.
Veröffentlicht: (2024)

Refined Inverse Rigging: A Balanced Approach to High-fidelity Blendshape Animation
von: Racković, Stevo, et al.
Veröffentlicht: (2024)

Task Scheduling & Forgetting in Multi-Task Reinforcement Learning
von: Speckmann, Marc, et al.
Veröffentlicht: (2025)

Principled Data Augmentation for Learning to Solve Quadratic Programming Problems
von: Qian, Chendi, et al.
Veröffentlicht: (2025)

Learning to Solve Orienteering Problem with Time Windows and Variable Profits
von: Gao, Songqun, et al.
Veröffentlicht: (2026)

Environment Design for Inverse Reinforcement Learning
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2022)

RFRL Gym: A Reinforcement Learning Testbed for Cognitive Radio Applications
von: Rosen, Daniel, et al.
Veröffentlicht: (2023)

Planning with a Learned Policy Basis to Optimally Solve Complex Tasks
von: Infante, Guillermo, et al.
Veröffentlicht: (2024)