Buchumschlag

Multi-Agent Reinforcement Learning for Adaptive Resource Orchestration in Cloud-Native Clusters

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Guanzi, Liu, Heyao, Dai, Linyan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Anomaly Detection for Multi-Tenant Cloud Platforms with Personalized Modeling
von: Wang, Yuxi, et al.
Veröffentlicht: (2025)

Topology-Aware Graph Reinforcement Learning for Dynamic Routing in Cloud Networks
von: Wang, Yuxi, et al.
Veröffentlicht: (2025)

Dynamic Prompt Fusion for Multi-Task and Cross-Domain Adaptation in LLMs
von: Hu, Xin, et al.
Veröffentlicht: (2025)

Contrastive Learning-Based Dependency Modeling for Anomaly Detection in Cloud Services
von: Xing, Yue, et al.
Veröffentlicht: (2025)

Decentralized Reinforcement Learning for Multi-Agent Multi-Resource Allocation via Dynamic Cluster Agreements
von: Marino, Antonio, et al.
Veröffentlicht: (2025)

Graph Augmentation for Cross Graph Domain Generalization
von: Chen, Guanzi, et al.
Veröffentlicht: (2025)

Shared Representation Learning for High-Dimensional Multi-Task Forecasting under Resource Contention in Cloud-Native Backends
von: Huang, Zixiao, et al.
Veröffentlicht: (2025)

Adaptive Multi-Agent Deep Reinforcement Learning for Timely Healthcare Interventions
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts
von: Ivanov, Dima, et al.
Veröffentlicht: (2024)

Learning to Orchestrate Agents under Uncertainty
von: Oliver, Mary Chriselda Antony, et al.
Veröffentlicht: (2026)

Tacit Learning with Adaptive Information Selection for Cooperative Multi-Agent Reinforcement Learning
von: Liu, Lunjun, et al.
Veröffentlicht: (2024)

Adaptive Tuning of Parameterized Traffic Controllers via Multi-Agent Reinforcement Learning
von: Önür, Giray, et al.
Veröffentlicht: (2025)

An Offline Multi-Agent Reinforcement Learning Framework for Radio Resource Management
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2025)

Learning to Orchestrate Agents in Natural Language with the Conductor
von: Nielsen, Stefan, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Joint Police Patrol and Dispatch
von: Repasky, Matthew, et al.
Veröffentlicht: (2024)

Optimizing Resource-Constrained Non-Pharmaceutical Interventions for Multi-Cluster Outbreak Control Using Hierarchical Reinforcement Learning
von: Peng, Xueqiao, et al.
Veröffentlicht: (2026)

AMAGO: Scalable In-Context Reinforcement Learning for Adaptive Agents
von: Grigsby, Jake, et al.
Veröffentlicht: (2023)

Multi-Agent Reinforcement Learning for Resources Allocation Optimization: A Survey
von: Hady, Mohamad A., et al.
Veröffentlicht: (2025)

MAS-H2: A Hierarchical Multi-Agent System for Holistic Cloud-Native Autoscaling
von: Hamzeh, Hamed, et al.
Veröffentlicht: (2026)

Computing in the Era of Large Generative Models: From Cloud-Native to AI-Native
von: Lu, Yao, et al.
Veröffentlicht: (2024)

CLIMATEAGENT: Multi-Agent Orchestration for Complex Climate Data Science Workflows
von: Kim, Hyeonjae, et al.
Veröffentlicht: (2025)

Rollout-Training Co-Design for Efficient LLM-Based Multi-Agent Reinforcement Learning
von: Jiang, Zhida, et al.
Veröffentlicht: (2026)

Online Matching via Reinforcement Learning: An Expert Policy Orchestration Strategy
von: Mignacco, Chiara, et al.
Veröffentlicht: (2025)

Towards Fault Tolerance in Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

Adaptive Context Length Optimization with Low-Frequency Truncation for Multi-Agent Reinforcement Learning
von: Duan, Wenchang, et al.
Veröffentlicht: (2025)

WebAgent-R1: Training Web Agents via End-to-End Multi-Turn Reinforcement Learning
von: Wei, Zhepei, et al.
Veröffentlicht: (2025)

From Solo to Symphony: Orchestrating Multi-Agent Collaboration with Single-Agent Demos
von: Wang, Xun, et al.
Veröffentlicht: (2025)

A Comprehensive Review of Multi-Agent Reinforcement Learning in Video Games
von: Li, Zhengyang, et al.
Veröffentlicht: (2025)

Adaptive Two-Stage Cloud Resource Scaling via Hierarchical Multi-Indicator Forecasting and Bayesian Decision-Making
von: Luo, Yang, et al.
Veröffentlicht: (2024)

Attacking Cooperative Multi-Agent Reinforcement Learning by Adversarial Minority Influence
von: Li, Simin, et al.
Veröffentlicht: (2023)

Fixing Incomplete Value Function Decomposition for Multi-Agent Reinforcement Learning
von: Baisero, Andrea, et al.
Veröffentlicht: (2025)

Learning With Multi-Group Guarantees For Clusterable Subpopulations
von: Dai, Jessica, et al.
Veröffentlicht: (2024)

Multi-order Graph Clustering with Adaptive Node-level Weight Learning
von: Liu, Ye, et al.
Veröffentlicht: (2024)

Fully Independent Communication in Multi-Agent Reinforcement Learning
von: Pina, Rafael, et al.
Veröffentlicht: (2024)

Addressing Rotational Learning Dynamics in Multi-Agent Reinforcement Learning
von: Sidahmed, Baraah A. M., et al.
Veröffentlicht: (2024)

MARLIN: Multi-Agent Game-Theoretic Reinforcement Learning for Sustainable LLM Inference in Cloud Datacenters
von: Moore, H., et al.
Veröffentlicht: (2026)

xRouter: Training Cost-Aware LLMs Orchestration System via Reinforcement Learning
von: Qian, Cheng, et al.
Veröffentlicht: (2025)

Enhancing Cloud Network Resilience via a Robust LLM-Empowered Multi-Agent Reinforcement Learning Framework
von: Peng, Yixiao, et al.
Veröffentlicht: (2026)

On Feasible Rewards in Multi-Agent Inverse Reinforcement Learning
von: Freihaut, Till, et al.
Veröffentlicht: (2024)

Randomized Exploration in Cooperative Multi-Agent Reinforcement Learning
von: Hsu, Hao-Lun, et al.
Veröffentlicht: (2024)