Buchumschlag

A semi-centralized multi-agent RL framework for efficient irrigation scheduling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agyeman, Bernard T., Decard-Nelson, Benjamin, Liu, Jinfeng, Shah, Sirish L.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReLU Surrogates in Mixed-Integer MPC for Irrigation Scheduling
von: Agyeman, Bernard T., et al.
Veröffentlicht: (2024)

Sensitivity-Informed Parameter Selection for Improved Soil Moisture Estimation from Remote Sensing Data
von: Agyeman, Bernard T., et al.
Veröffentlicht: (2023)

Performance triggered adaptive model reduction for soil moisture estimation in precision irrigation
von: Debnath, Sarupa, et al.
Veröffentlicht: (2024)

Smart energy management: process structure-based hybrid neural networks for optimal scheduling and economic predictive control in integrated systems
von: Wu, Long, et al.
Veröffentlicht: (2024)

Exploiting inter-agent coupling information for efficient reinforcement learning of cooperative LQR
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Scalable spectral representations for multi-agent reinforcement learning in network MDPs
von: Ren, Zhaolin, et al.
Veröffentlicht: (2024)

Towards safe control parameter tuning in distributed multi-agent systems
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2025)

Load constrained wind farm flow control through multi-objective multi-agent reinforcement learning
von: Åstrand, Teodor, et al.
Veröffentlicht: (2026)

An active learning method for solving competitive multi-agent decision-making and control problems
von: Fabiani, Filippo, et al.
Veröffentlicht: (2022)

Coupled autoregressive active inference agents for control of multi-joint dynamical systems
von: Nisslbeck, Tim N., et al.
Veröffentlicht: (2024)

SINDy-RL: Interpretable and Efficient Model-Based Reinforcement Learning
von: Zolman, Nicholas, et al.
Veröffentlicht: (2024)

NOSTRA: A noise-resilient and sparse data framework for trust region based multi objective Bayesian optimization
von: Ghasemzadeh, Maryam, et al.
Veröffentlicht: (2025)

Bayesian dynamic scheduling of multipurpose batch processes under incomplete look-ahead information
von: Zheng, Taicheng, et al.
Veröffentlicht: (2025)

Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions
von: Remy, Isaac, et al.
Veröffentlicht: (2024)

Embedding Safety into RL: A New Take on Trust Region Methods
von: Milosevic, Nikola, et al.
Veröffentlicht: (2024)

Physics-informed RL for Maximal Safety Probability Estimation
von: Hoshino, Hikaru, et al.
Veröffentlicht: (2024)

Unifying Goal-Conditioned RL and Unsupervised Skill Learning via Control-Maximization
von: Modirshanechi, Alireza, et al.
Veröffentlicht: (2026)

Multi-agent deep reinforcement learning with centralized training and decentralized execution for transportation infrastructure management
von: Saifullah, M., et al.
Veröffentlicht: (2024)

Hierarchical RL-MPC Control for Dynamic Wake Steering in Wind Farms
von: Nilsen, Marcus Binder, et al.
Veröffentlicht: (2026)

Toward Adaptive Grid Resilience: A Gradient-Free Meta-RL Framework for Critical Load Restoration
von: Abdeen, Zain ul, et al.
Veröffentlicht: (2026)

Enhancing Sample Efficiency in Multi-Agent RL with Uncertainty Quantification and Selective Exploration
von: Danino, Tom, et al.
Veröffentlicht: (2025)

RL-TIME: Reinforcement Learning-based Task Replication in Multicore Embedded Systems
von: Siyadatzadeh, Roozbeh, et al.
Veröffentlicht: (2025)

Maximum Causal Entropy IRL in Mean-Field Games and GNEP Framework for Forward RL
von: Anahtarci, Berkay, et al.
Veröffentlicht: (2024)

LLM-Driven Composite Neural Architecture Search for Multi-Source RL State Encoding
von: Yu, Yu, et al.
Veröffentlicht: (2025)

A modular framework for stabilizing deep reinforcement learning control
von: Lawrence, Nathan P., et al.
Veröffentlicht: (2023)

Counter-Dyna: Data-Efficient RL-Based HVAC Control using Counterfactual Building Models
von: de Vargas, Jan Marco Ruiz, et al.
Veröffentlicht: (2026)

Koopman Subspace Pruning in Reproducing Kernel Hilbert Spaces via Principal Vectors
von: Shah, Dhruv, et al.
Veröffentlicht: (2026)

RL-based Control of UAS Subject to Significant Disturbance
von: Chakraborty, Kousheek, et al.
Veröffentlicht: (2025)

RL-ADN: A High-Performance Deep Reinforcement Learning Environment for Optimal Energy Storage Systems Dispatch in Active Distribution Networks
von: Hou, Shengren, et al.
Veröffentlicht: (2024)

Orthogonal projection-based regularization for efficient model augmentation
von: Györök, Bendegúz M., et al.
Veröffentlicht: (2025)

STO-RL: Offline RL under Sparse Rewards via LLM-Guided Subgoal Temporal Order
von: Gu, Chengyang, et al.
Veröffentlicht: (2026)

Multi-agent Multi-armed Bandits with Minimum Reward Guarantee Fairness
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2025)

Computationally Efficient RL under Linear Bellman Completeness for Deterministic Dynamics
von: Wu, Runzhe, et al.
Veröffentlicht: (2024)

SafEDMD: A Koopman-based data-driven controller design framework for nonlinear dynamical systems
von: Strässer, Robin, et al.
Veröffentlicht: (2024)

Asymptotically efficient adaptive identification under saturated output observation
von: Zhang, Lantian, et al.
Veröffentlicht: (2023)

Generative AI and Process Systems Engineering: The Next Frontier
von: Decardi-Nelson, Benjamin, et al.
Veröffentlicht: (2024)

Estimating multi-year 24/7 origin-destination demand using high-granular multi-source traffic data
von: Ma, Wei, et al.
Veröffentlicht: (2019)

SigmaRL: A Sample-Efficient and Generalizable Multi-Agent Reinforcement Learning Framework for Motion Planning
von: Xu, Jianye, et al.
Veröffentlicht: (2024)

Computationally efficient Gauss-Newton reinforcement learning for model predictive control
von: Brandner, Dean, et al.
Veröffentlicht: (2025)

PolyFormer: learning efficient reformulations for scalable optimization under complex physical constraints
von: Wen, Yilin, et al.
Veröffentlicht: (2026)