Buchumschlag

Efficient Solving of Large Single Input Superstate Decomposable Markovian Decision Process

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahjoub, Youssef Ait El, Fourneau, Jean-Michel, Alouah, Salma
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning Performance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A slot-based energy storage decision-making approach for optimal Off-Grid telecommunication operator
von: Mahjoub, Youssef Ait El, et al.
Veröffentlicht: (2024)

PG-Flow: Deterministic implicit policy gradients for geometric product-form queueing networks
von: Mahjoub, Youssef Ait El
Veröffentlicht: (2025)

The Gittins Index: A Design Principle for Decision-Making Under Uncertainty
von: Scully, Ziv, et al.
Veröffentlicht: (2025)

Adversarial Network Optimization under Bandit Feedback: Maximizing Utility in Non-Stationary Multi-Hop Networks
von: Dai, Yan, et al.
Veröffentlicht: (2024)

Optimizing Asynchronous Federated Learning: A Delicate Trade-Off Between Model-Parameter Staleness and Update Frequency
von: Alahyane, Abdelkrim, et al.
Veröffentlicht: (2025)

Score-Aware Policy-Gradient and Performance Guarantees using Local Lyapunov Stability
von: Comte, Céline, et al.
Veröffentlicht: (2023)

Optimization Trade-offs in Asynchronous Federated Learning: A Stochastic Networks Approach
von: Alahyane, Abdelkrim, et al.
Veröffentlicht: (2026)

Enhanced Innovized Repair Operator for Evolutionary Multi- and Many-objective Optimization
von: Mittal, Sukrit, et al.
Veröffentlicht: (2020)

End-to-End Learning Framework for Solving Non-Markovian Optimal Control
von: Zhang, Xiaole, et al.
Veröffentlicht: (2025)

Block Decomposable Methods for Large-Scale Optimization Problems
von: Maia, Leandro Farias
Veröffentlicht: (2026)

Efficient Algorithms for Robust Markov Decision Processes with $s$-Rectangular Ambiguity Sets
von: Ho, Chin Pang, et al.
Veröffentlicht: (2026)

MicroHD: An Accuracy-Driven Optimization of Hyperdimensional Computing Algorithms for TinyML systems
von: Ponzina, Flavio, et al.
Veröffentlicht: (2024)

Gradient-Free Approaches is a Key to an Efficient Interaction with Markovian Stochasticity
von: Prokhorov, Boris, et al.
Veröffentlicht: (2026)

Provably Efficient Representation Selection in Low-rank Markov Decision Processes: From Online to Offline RL
von: Zhang, Weitong, et al.
Veröffentlicht: (2021)

Weakly Time-Coupled Approximation of Markov Decision Processes
von: Soheili, Negar, et al.
Veröffentlicht: (2026)

Online Markov Decision Processes with Terminal Law Constraints
von: Moreno, Bianca Marin, et al.
Veröffentlicht: (2026)

Convex Relaxation for Solving Large-Margin Classifiers in Hyperbolic Space
von: Yang, Sheng, et al.
Veröffentlicht: (2024)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

Flipping-based Policy for Chance-Constrained Markov Decision Processes
von: Shen, Xun, et al.
Veröffentlicht: (2024)

Stochastic-Constrained Stochastic Optimization with Markovian Data
von: Kim, Yeongjong, et al.
Veröffentlicht: (2023)

Non-stationary and Varying-discounting Markov Decision Processes for Reinforcement Learning
von: Chen, Zhizuo, et al.
Veröffentlicht: (2025)

Achieving Instance-dependent Sample Complexity for Constrained Markov Decision Process
von: Jiang, Jiashuo, et al.
Veröffentlicht: (2024)

Towards An Unsupervised Learning Scheme for Efficiently Solving Parameterized Mixed-Integer Programs
von: Qu, Shiyuan, et al.
Veröffentlicht: (2024)

Online Reinforcement Learning in Markov Decision Process Using Linear Programming
von: Leon, Vincent, et al.
Veröffentlicht: (2023)

Safe Reinforcement Learning for Constrained Markov Decision Processes with Stochastic Stopping Time
von: Mazumdar, Abhijit, et al.
Veröffentlicht: (2024)

On Convergence of Average-Reward Q-Learning in Weakly Communicating Markov Decision Processes
von: Wan, Yi, et al.
Veröffentlicht: (2024)

Risk-sensitive Markov Decision Process and Learning under General Utility Functions
von: Wu, Zhengqi, et al.
Veröffentlicht: (2023)

Computing the Bias of Constant-step Stochastic Approximation with Markovian Noise
von: Allmeier, Sebastian, et al.
Veröffentlicht: (2024)

Bias and Extrapolation in Markovian Linear Stochastic Approximation with Constant Stepsizes
von: Huo, Dongyan, et al.
Veröffentlicht: (2022)

Bellman Optimality of Average-Reward Robust Markov Decision Processes with a Constant Gain
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes
von: Xu, Mingyuan, et al.
Veröffentlicht: (2026)

A Reliability Theory of Compromise Decisions for Large-Scale Stochastic Programs
von: Diao, Shuotao, et al.
Veröffentlicht: (2024)

Near-Optimal Policy Identification in Robust Constrained Markov Decision Processes via Epigraph Form
von: Kitamura, Toshinori, et al.
Veröffentlicht: (2024)

First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities
von: Beznosikov, Aleksandr, et al.
Veröffentlicht: (2023)

Ranking and Selection with Simultaneous Input Data Collection
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
von: Choi, Jimin, et al.
Veröffentlicht: (2025)

Stochastic Approximation with Unbounded Markovian Noise: A General-Purpose Theorem
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2024)

Decision Machines: Congruent Decision Trees
von: Zhang, Jinxiong
Veröffentlicht: (2021)

Finite-Time Complexity of Online Primal-Dual Natural Actor-Critic Algorithm for Constrained Markov Decision Processes
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

High-Probability Bounds for SGD under the Polyak-Lojasiewicz Condition with Markovian Noise
von: Kar, Avik, et al.
Veröffentlicht: (2026)