Buchumschlag

Distributed Multi-Agent Bandits Over Erdős-Rényi Random Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jingyuan, Qiu, Hao, Yang, Lin, Xu, Mengfan
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

Multi-Objective Multi-Agent Bandits: From Learning Efficiency to Fairness Optimization
von: Wang, John, et al.
Veröffentlicht: (2026)

Bandit Learning in General Open Multi-agent Systems
von: Xu, Mengfan
Veröffentlicht: (2026)

Are Stochastic Multi-objective Bandits Harder than Single-objective Bandits?
von: Guan, Changkun, et al.
Veröffentlicht: (2026)

Multi-agent Multi-armed Bandit with Fully Heavy-tailed Dynamics
von: Wang, Xingyu, et al.
Veröffentlicht: (2025)

Decentralized Blockchain-based Robust Multi-agent Multi-armed Bandit
von: Xu, Mengfan, et al.
Veröffentlicht: (2024)

Distributed Algorithms for Multi-Agent Multi-Armed Bandits with Collision
von: Zhou, Daoyuan, et al.
Veröffentlicht: (2025)

Conformal-Style Quantile Analyses for Stochastic Bandits
von: Du, Chengyu, et al.
Veröffentlicht: (2026)

Graph Attention Network for Node Regression on Random Geometric Graphs with Erdős--Rényi contamination
von: Laha, Somak, et al.
Veröffentlicht: (2026)

Heterogeneous Multi-agent Multi-armed Bandits on Stochastic Block Models
von: Xu, Mengfan, et al.
Veröffentlicht: (2025)

Online learning with Erdős-Rényi side-observation graphs
von: Kocák, Tomáš, et al.
Veröffentlicht: (2026)

Near-Optimal Regret for Distributed Adversarial Bandits: A Black-Box Approach
von: Qiu, Hao, et al.
Veröffentlicht: (2026)

Fair Algorithms with Probing for Multi-Agent Multi-Armed Bandits
von: Xu, Tianyi, et al.
Veröffentlicht: (2025)

Multi-Agent Lipschitz Bandits
von: Chakraborty, Sourav, et al.
Veröffentlicht: (2026)

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

Multi-Task Combinatorial Bandits for Budget Allocation
von: Ge, Lin, et al.
Veröffentlicht: (2024)

Improved Robust Estimation for Erdős-Rényi Graphs: The Sparse Regime and Optimal Breakdown Point
von: Chen, Hongjie, et al.
Veröffentlicht: (2025)

On the Benefits of Over-parameterization for Out-of-Distribution Generalization
von: Hao, Yifan, et al.
Veröffentlicht: (2024)

Distributed Multi-Task Learning for Stochastic Bandits with Context Distribution and Stage-wise Constraints
von: Lin, Jiabin, et al.
Veröffentlicht: (2024)

Collaborating in Multi-Armed Bandits with Strategic Agents
von: Barnea, Idan, et al.
Veröffentlicht: (2026)

Distributionally Robust Policy Evaluation under General Covariate Shift in Contextual Bandits
von: Guo, Yihong, et al.
Veröffentlicht: (2024)

Distributed Online Optimization with Stochastic Agent Availability
von: Achddou, Juliette, et al.
Veröffentlicht: (2024)

Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
von: Ghaffari, Fatemeh, et al.
Veröffentlicht: (2024)

Adaptive Sample Sharing for Multi Agent Linear Bandits
von: Cherkaoui, Hamza, et al.
Veröffentlicht: (2023)

A Fast Binary Splitting Approach for Non-Adaptive Learning of Erdős--Rényi Graphs
von: Ta, Hoang, et al.
Veröffentlicht: (2025)

A General Recipe for the Analysis of Randomized Multi-Armed Bandit Algorithms
von: Baudry, Dorian, et al.
Veröffentlicht: (2023)

Multi-Armed Bandits with Network Interference
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2024)

Near-Optimal Regret in Adversarial Kernel Bandits
von: Zhang, Yu-Jie, et al.
Veröffentlicht: (2026)

Offline Clustering of Linear Bandits: The Power of Clusters under Limited Data
von: Liu, Jingyuan, et al.
Veröffentlicht: (2025)

Multi-Agent Bandit Learning through Heterogeneous Action Erasure Channels
von: Hanna, Osama A., et al.
Veröffentlicht: (2023)

MASPOB: Bandit-Based Prompt Optimization for Multi-Agent Systems with Graph Neural Networks
von: Hong, Zhi, et al.
Veröffentlicht: (2026)

Principal-Agent Bandit Games with Self-Interested and Exploratory Learning Agents
von: Liu, Junyan, et al.
Veröffentlicht: (2024)

Learning Shared Representations for Multi-Task Linear Bandits
von: Lin, Jiabin, et al.
Veröffentlicht: (2026)

Multi-Task Representation Learning for Conservative Linear Bandits
von: Lin, Jiabin, et al.
Veröffentlicht: (2026)

Unified Framework of Distributional Regret in Multi-Armed Bandits and Reinforcement Learning
von: Lee, Harin, et al.
Veröffentlicht: (2026)

Decentralized Upper Confidence Bound Algorithms for Homogeneous Multi-Agent Multi-Armed Bandits
von: Zhu, Jingxuan, et al.
Veröffentlicht: (2021)

Multi-Agent Stage-wise Conservative Linear Bandits
von: Afsharrad, Amirhossein, et al.
Veröffentlicht: (2025)

Cooperative Multi-Agent Constrained Stochastic Linear Bandits
von: Afsharrad, Amirhossein, et al.
Veröffentlicht: (2024)

Multi-Agent Pointer Transformer: Seq-to-Seq Reinforcement Learning for Multi-Vehicle Dynamic Pickup-Delivery Problems
von: Zou, Zengyu, et al.
Veröffentlicht: (2025)

Optimizing Distributed Deployment of Mixture-of-Experts Model Inference in Serverless Computing
von: Liu, Mengfan, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Policy Evaluation and Learning for Contextual Bandits
von: Shen, Yi, et al.
Veröffentlicht: (2023)