Buchumschlag

Distributionally Robust Online Markov Game with Linear Function Approximation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Zewu, Lin, Yuanyuan
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

Policy Regularized Distributionally Robust Markov Decision Processes with Linear Function Approximation
von: Gu, Jingwen, et al.
Veröffentlicht: (2025)

Taming the Curses of Multiagency in Robust Markov Games with Large State Space through Linear Function Approximation
von: Gai, Jingchu, et al.
Veröffentlicht: (2026)

Refined Sample Complexity for Markov Games with Independent Linear Function Approximation
von: Dai, Yan, et al.
Veröffentlicht: (2024)

Convergence of Distributionally Robust Q-Learning with Linear Function Approximation
von: Mandal, Saptarshi, et al.
Veröffentlicht: (2025)

Distributionally Robust Off-Dynamics Reinforcement Learning: Provable Efficiency with Linear Function Approximation
von: Liu, Zhishuai, et al.
Veröffentlicht: (2024)

Online Robust Reinforcement Learning with General Function Approximation
von: Ghosh, Debamita, et al.
Veröffentlicht: (2025)

Sample-Efficient Tabular Self-Play for Offline Robust Reinforcement Learning
von: Li, Na, et al.
Veröffentlicht: (2025)

Linear Mixture Distributionally Robust Markov Decision Processes
von: Liu, Zhishuai, et al.
Veröffentlicht: (2025)

Accelerated Distributional Temporal Difference Learning with Linear Function Approximation
von: Jin, Kaicheng, et al.
Veröffentlicht: (2025)

Online Semi-infinite Linear Programming: Efficient Algorithms via Function Approximation
von: Zong, Yiming, et al.
Veröffentlicht: (2026)

Sample Complexity of Offline Distributionally Robust Linear Markov Decision Processes
von: Wang, He, et al.
Veröffentlicht: (2024)

RL in Markov Games with Independent Function Approximation: Improved Sample Complexity Bound under the Local Access Model
von: Fan, Junyi, et al.
Veröffentlicht: (2024)

A Finite Sample Analysis of Distributional TD Learning with Linear Function Approximation
von: Peng, Yang, et al.
Veröffentlicht: (2025)

Doubly Outlier-Robust Online Infinite Hidden Markov Model
von: Yiu, Horace, et al.
Veröffentlicht: (2026)

Gap-Dependent Bounds for Nearly Minimax Optimal Reinforcement Learning with Linear Function Approximation
von: Zhang, Haochen, et al.
Veröffentlicht: (2026)

Misspecified $Q$-Learning with Sparse Linear Function Approximation: Tight Bounds on Approximation Error
von: Du, Ally Yalei, et al.
Veröffentlicht: (2024)

Replicable Reinforcement Learning with Linear Function Approximation
von: Eaton, Eric, et al.
Veröffentlicht: (2025)

Nonstationary Reinforcement Learning with Linear Function Approximation
von: Zhou, Huozhi, et al.
Veröffentlicht: (2020)

Reinforcement Learning with Function Approximation for Non-Markov Processes
von: Kara, Ali Devran
Veröffentlicht: (2026)

Follow The Approximate Sparse Leader for No-Regret Online Sparse Linear Approximation
von: Mukhopadhyay, Samrat, et al.
Veröffentlicht: (2025)

Is Online Linear Optimization Sufficient for Strategic Robustness?
von: Cai, Yang, et al.
Veröffentlicht: (2026)

Rethinking the Global Convergence of Softmax Policy Gradient with Linear Function Approximation
von: Lin, Max Qiushi, et al.
Veröffentlicht: (2025)

Thompson Sampling in Online RLHF with General Function Approximation
von: Feng, Songtao, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Function Approximation: From Linear to Nonlinear
von: Long, Jihao, et al.
Veröffentlicht: (2023)

Strategically Robust Multi-Agent Reinforcement Learning with Linear Function Approximation
von: Gonzales, Jake, et al.
Veröffentlicht: (2026)

An Actor-Critic Algorithm with Function Approximation for Risk Sensitive Cost Markov Decision Processes
von: Guin, Soumyajit, et al.
Veröffentlicht: (2025)

Is Pure Exploitation Sufficient in Exogenous MDPs with Linear Function Approximation?
von: Liang, Hao, et al.
Veröffentlicht: (2026)

Statistical Inference for Temporal Difference Learning with Linear Function Approximation
von: Wu, Weichen, et al.
Veröffentlicht: (2024)

Roping in Uncertainty: Robustness and Regularization in Markov Games
von: McMahan, Jeremy, et al.
Veröffentlicht: (2024)

Online and Offline Robust Multivariate Linear Regression
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Regret and Sample Complexity of Online Q-Learning via Concentration of Stochastic Approximation with Time-Inhomogeneous Markov Chains
von: Singh, Rahul, et al.
Veröffentlicht: (2026)

Provably Efficient Offline-to-Online Value Adaptation with General Function Approximation
von: Li, Shangzhe, et al.
Veröffentlicht: (2026)

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

A Switching System Theory of Q-Learning with Linear Function Approximation
von: Lee, Donghwan, et al.
Veröffentlicht: (2026)

Stochastic Approximation Approaches to Group Distributionally Robust Optimization and Beyond
von: Zhang, Lijun, et al.
Veröffentlicht: (2023)

Functional Linear Regression of Cumulative Distribution Functions
von: Zhang, Qian, et al.
Veröffentlicht: (2022)

Wasserstein Distributionally Robust Online Learning
von: Chen, Guixian, et al.
Veröffentlicht: (2026)

Linear Convergence of Entropy-Regularized Natural Policy Gradient with Linear Function Approximation
von: Cayci, Semih, et al.
Veröffentlicht: (2021)

Independent Learning in Performative Markov Potential Games
von: Sahitaj, Rilind, et al.
Veröffentlicht: (2025)

Corruption-Robust Offline Two-Player Zero-Sum Markov Games
von: Nika, Andi, et al.
Veröffentlicht: (2024)