Buchumschlag

Fair Compromises in Participatory Budgeting: a Multi-Agent Deep Reinforcement Learning Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adams, Hugh, Majumdar, Srijoni, Pournaras, Evangelos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Multiagent Systems Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fair Voting Outcomes with Impact and Novelty Compromises? Unraveling Biases in Electing Participatory Budgeting Winners
von: Maharjan, Sajan, et al.
Veröffentlicht: (2024)

Cooperative Flexibility Exchange: Fair and Comfort-Aware Decentralized Resource Allocation
von: Khalid, Rabiya, et al.
Veröffentlicht: (2025)

Strategic Coordination for Evolving Multi-agent Systems: A Hierarchical Reinforcement and Collective Learning Approach
von: Qin, Chuhao, et al.
Veröffentlicht: (2025)

AI-Mediated Explainable Regulation for Justice
von: Hofweber, Thomas, et al.
Veröffentlicht: (2026)

Quality-Aware Exploration Budget Allocation for Cooperative Multi-Agent Reinforcement Learning
von: Oh, Dahyun, et al.
Veröffentlicht: (2026)

Exploring Welfare Maximization and Fairness in Participatory Budgeting
von: Sreedurga, Gogulapati
Veröffentlicht: (2024)

Cooperation and Fairness in Multi-Agent Reinforcement Learning
von: Aloor, Jasmine Jerry, et al.
Veröffentlicht: (2024)

Upgrading Democracies with Fairer Voting Methods
von: Pournaras, Evangelos, et al.
Veröffentlicht: (2025)

Resilient Charging Infrastructure via Decentralized Coordination of Electric Vehicles at Scale
von: Qin, Chuhao, et al.
Veröffentlicht: (2025)

FairStream: Fair Multimedia Streaming Benchmark for Reinforcement Learning Agents
von: Weil, Jannis, et al.
Veröffentlicht: (2024)

Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation
von: Elrod, Michael, et al.
Veröffentlicht: (2025)

Joint Intrinsic Motivation for Coordinated Exploration in Multi-Agent Deep Reinforcement Learning
von: Toquebiau, Maxime, et al.
Veröffentlicht: (2024)

BAMAS: Structuring Budget-Aware Multi-Agent Systems
von: Yang, Liming, et al.
Veröffentlicht: (2025)

Emergence of Fair Leaders via Mediators in Multi-Agent Reinforcement Learning
von: Dodwadmath, Akshay, et al.
Veröffentlicht: (2025)

Heterogeneity in Multi-Agent Reinforcement Learning
von: Hu, Tianyi, et al.
Veröffentlicht: (2025)

Multi-Agent Target Assignment and Path Finding for Intelligent Warehouse: A Cooperative Multi-Agent Deep Reinforcement Learning Perspective
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Scalable Safe Multi-Agent Reinforcement Learning for Multi-Agent System
von: Du, Haikuo, et al.
Veröffentlicht: (2025)

Generative AI voting: fair collective choice is resilient to LLM biases and inconsistencies
von: Majumdar, Srijoni, et al.
Veröffentlicht: (2024)

Strategic Coordination of Drones via Short-term Distributed Optimization and Long-term Reinforcement Learning
von: Qin, Chuhao, et al.
Veröffentlicht: (2023)

Representation Learning For Efficient Deep Multi-Agent Reinforcement Learning
von: Huh, Dom, et al.
Veröffentlicht: (2024)

Vulnerable Agent Identification in Large-Scale Multi-Agent Reinforcement Learning
von: Li, Simin, et al.
Veröffentlicht: (2025)

A Negotiation-Based Multi-Agent Reinforcement Learning Approach for Dynamic Scheduling of Reconfigurable Manufacturing Systems
von: Sekar, Manonmani, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning with Communication-Constrained Priors
von: Yang, Guang, et al.
Veröffentlicht: (2025)

Causal Mean Field Multi-Agent Reinforcement Learning
von: Ma, Hao, et al.
Veröffentlicht: (2025)

Measuring Policy Distance for Multi-Agent Reinforcement Learning
von: Hu, Tianyi, et al.
Veröffentlicht: (2024)

EcoFair-CH-MARL: Scalable Constrained Hierarchical Multi-Agent RL with Real-Time Emission Budgets and Fairness Guarantees
von: Alqithami, Saad
Veröffentlicht: (2026)

Multi-source Plume Tracing via Multi-Agent Reinforcement Learning
von: Granadeno, Pedro Antonio Alarcon, et al.
Veröffentlicht: (2025)

Impact of Collective Behaviors of Autonomous Vehicles on Urban Traffic Dynamics: A Multi-Agent Reinforcement Learning Approach
von: Akman, Ahmet Onur, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning Simulation for Environmental Policy Synthesis
von: Rudd-Jones, James, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Multi-Agent Coordination
von: Aina, Kehinde O., et al.
Veröffentlicht: (2025)

Interactional Fairness in LLM Multi-Agent Systems: An Evaluation Framework
von: Binkyte, Ruta
Veröffentlicht: (2025)

Using Protected Attributes to Consider Fairness in Multi-Agent Systems
von: La Malfa, Gabriele, et al.
Veröffentlicht: (2024)

SocialGFs: Learning Social Gradient Fields for Multi-Agent Reinforcement Learning
von: Long, Qian, et al.
Veröffentlicht: (2024)

Achieving Equilibrium under Utility Heterogeneity: An Agent-Attention Framework for Multi-Agent Multi-Objective Reinforcement Learning
von: Li, Zhuhui, et al.
Veröffentlicht: (2025)

Optimization under Attack: Resilience, Vulnerability, and the Path to Collapse
von: Aldawsari, Amal, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Market Making: Competition without Collusion
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

Constructive Conflict-Driven Multi-Agent Reinforcement Learning for Strategic Diversity
von: Mai, Yuxiang, et al.
Veröffentlicht: (2025)

Multi-agent Reinforcement Learning with Deep Networks for Diverse Q-Vectors
von: Luo, Zhenglong, et al.
Veröffentlicht: (2024)

Budget Allocation Policies for Real-Time Multi-Agent Path Finding
von: Beck, Raz, et al.
Veröffentlicht: (2025)

Meritocratic Fairness in Budgeted Combinatorial Multi-armed Bandits via Shapley Values
von: Sharma, Shradha, et al.
Veröffentlicht: (2026)