Buchumschlag

HCPO: Hierarchical Conductor-Based Policy Optimization in Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zejiao, Tu, Junqi, Hong, Yitian, Xiong, Luolin, Jin, Yaochu, Tang, Yang, Li, Fangfei
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

Robust and Efficient Communication in Multi-Agent Reinforcement Learning
von: Liu, Zejiao, et al.
Veröffentlicht: (2025)

SAMSGL: Series-Aligned Multi-Scale Graph Learning for Spatio-Temporal Forecasting
von: Zou, Xiaobei, et al.
Veröffentlicht: (2023)

DRAN: A Distribution and Relation Adaptive Network for Spatio-temporal Forecasting
von: Zou, Xiaobei, et al.
Veröffentlicht: (2025)

Hierarchical Message-Passing Policies for Multi-Agent Reinforcement Learning
von: Marzi, Tommaso, et al.
Veröffentlicht: (2025)

Rethinking Ratio-Based Trust Regions for Policy Optimization in Multi-Agent Reinforcement Learning
von: Wijesundara, Chulabhaya, et al.
Veröffentlicht: (2026)

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

LacaDM: A Latent Causal Diffusion Model for Multiobjective Reinforcement Learning
von: Yan, Xueming, et al.
Veröffentlicht: (2025)

Multi-Scenario Combination Based on Multi-Agent Reinforcement Learning to Optimize the Advertising Recommendation System
von: Zhao, Yang, et al.
Veröffentlicht: (2024)

Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
von: Liu, Zongkai, et al.
Veröffentlicht: (2024)

EPO: Entropy-regularized Policy Optimization for LLM Agents Reinforcement Learning
von: Xu, Wujiang, et al.
Veröffentlicht: (2025)

PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning
von: Yang, Shunpeng, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Scalable Train Timetable Rescheduling with Graph Representation
von: Yue, Peng, et al.
Veröffentlicht: (2024)

Sequential Stochastic Combinatorial Optimization Using Hierarchal Reinforcement Learning
von: Feng, Xinsong, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning with Hierarchical Coordination for Emergency Responder Stationing
von: Sivagnanam, Amutheezan, et al.
Veröffentlicht: (2024)

An Edge-Aware Graph Autoencoder Trained on Scale-Imbalanced Data for Traveling Salesman Problems
von: Liu, Shiqing, et al.
Veröffentlicht: (2023)

Online Estimation and Inference for Robust Policy Evaluation in Reinforcement Learning
von: Liu, Weidong, et al.
Veröffentlicht: (2023)

Hierarchical Lead Critic based Multi-Agent Reinforcement Learning
von: Eckel, David, et al.
Veröffentlicht: (2026)

The Practicality of Normalizing Flow Test-Time Training in Bayesian Inference for Agent-Based Models
von: Zhang, Junyao, et al.
Veröffentlicht: (2026)

Hierarchical Subspaces of Policies for Continual Offline Reinforcement Learning
von: Kobanda, Anthony, et al.
Veröffentlicht: (2024)

Modeling of Core Loss Based on Machine Learning and Deep Learning
von: He, Junqi, et al.
Veröffentlicht: (2025)

Exploring Equity of Climate Policies using Multi-Agent Multi-Objective Reinforcement Learning
von: Biswas, Palok, et al.
Veröffentlicht: (2025)

Vision-Based Generic Potential Function for Policy Alignment in Multi-Agent Reinforcement Learning
von: Ma, Hao, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Unmanned Aerial Vehicle Coordination by Multi-Critic Policy Gradient Optimization
von: Alon, Yoav, et al.
Veröffentlicht: (2020)

Optimization Solution Functions as Deterministic Policies for Offline Reinforcement Learning
von: Khattar, Vanshaj, et al.
Veröffentlicht: (2024)

Efficient Multi-Policy Evaluation for Reinforcement Learning
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Hierarchical Policy-Gradient Reinforcement Learning for Multi-Agent Shepherding Control of Non-Cohesive Targets
von: Covone, Stefano, et al.
Veröffentlicht: (2025)

Proposing Hierarchical Goal-Conditioned Policy Planning in Multi-Goal Reinforcement Learning
von: Rens, Gavin B.
Veröffentlicht: (2025)

Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization
von: Li, Yu, et al.
Veröffentlicht: (2026)

Action-Graph Policies: Learning Action Co-dependencies in Multi-Agent Reinforcement Learning
von: Gupta, Nikunj, et al.
Veröffentlicht: (2026)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

Federated Incomplete Multi-View Clustering with Heterogeneous Graph Neural Networks
von: Yan, Xueming, et al.
Veröffentlicht: (2024)

CODA: Coordination via On-Policy Diffusion for Multi-Agent Offline Reinforcement Learning
von: Hedman, Marcel, et al.
Veröffentlicht: (2026)

Toward Finding Strong Pareto Optimal Policies in Multi-Agent Reinforcement Learning
von: Le, Bang Giang, et al.
Veröffentlicht: (2024)

Off-Policy Value-Based Reinforcement Learning for Large Language Models
von: Wang, Peng-Yuan, et al.
Veröffentlicht: (2026)

Exploit Gradient Skewness to Circumvent Byzantine Defenses for Federated Learning
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
von: Bai, Yang, et al.
Veröffentlicht: (2026)

HONEST-CAV: Hierarchical Optimization of Network Signals and Trajectories for Connected and Automated Vehicles with Multi-Agent Reinforcement Learning
von: Zhang, Ziyan, et al.
Veröffentlicht: (2026)

Enhancing the Effectiveness and Durability of Backdoor Attacks in Federated Learning through Maximizing Task Distinction
von: Wang, Zhaoxin, et al.
Veröffentlicht: (2025)

Cooperative Multi-Agent Deep Reinforcement Learning in Content Ranking Optimization
von: Qin, Zhou, et al.
Veröffentlicht: (2024)

Belief-Based Offline Reinforcement Learning for Delay-Robust Policy Optimization
von: Zhan, Simon Sinong, et al.
Veröffentlicht: (2025)