在未知和对抗性的动态和非结构化环境中，提出一种带边界的次模协调算法，使得机器人可以在协调完成复杂任务的同时，学习到在最优时间内采取最优行动的能力。

Sep, 2022

我们研究在不可预测和部分可观察的环境中，对不可信的外部命令进行多智能体协调的问题。我们提供了一种元算法 MetaBSG，它可以在外部命令任意糟糕的情况下实现性能保证，并可以在复杂多机器人任务中改善性能。

Sep, 2023

本研究介绍了第一个算法，使得多个机器人可以选择与少数其他机器人协调，并能够在中央集权和去中心化协调之间平衡权衡，从而实现高效有效的多机器人决策制定，而不必考虑机器人的资源限制或任务复杂度。为了提供封闭形式保证，本文关注于涵盖单调和 “双重” 子模型函数的权重最大化问题，并引入了非相邻信息的集中化（COIN）的概念，以捕捉去中心化成本。

Apr, 2022

在带有赌博反馈的子模函数优化中，考虑使用逼近算法来最大化线性结构的子模客观函数，通过模拟算法和实证研究检验了样本效率与线性结构的关系。

Jul, 2024

本文研究具有完全机器人反馈和随机奖励的无限制组合多臂武器匪徒问题，提出随机贪心学习算法 (RGL)，证明其对于时间区间 T 和武器数 n，达到 1/2 遗憾上限 Õ(T^(2/3))，并在实验中展示了其对于非次模和次模设置都优于其他全机器人变体。

Feb, 2023

在线决策问题、子模函数、求和 - 最大函数、强化学习以及后悔上界是该研究论文的主要关键词和内容。

Nov, 2023

该研究论文提出了一种基于分布式优化和多臂赌博算法 (Multi-armed bandit) 的全分散算法 (Multi-agent IGP-UCB)，以最小化代理间的遗憾值，并在保护隐私的同时提供了改进的性能。

Dec, 2023

利用随机 bandit 反馈在无序集合函数最大化问题中建立了首个极小极大下界，并提出了一个能够匹配下界的算法。

Oct, 2023

研究了去中心化多智能体多臂赌博问题，使用随机图来优化整个系统的综合悔恨度，引入了新的算法框架，其中包含加权技巧和上置信边界方法，算法具有较好的鲁棒性，并且考虑了图随机性，同时给出了不同命题下的悔恨度的上限。

Jun, 2023

该论文介绍了一个用于在线组合优化和有限带反馈的联邦学习框架，该框架将任何具有复杂度为 O (psi/epsilon^beta)（其中省略了对数计算，psi 是一个函数，beta 是常数）的离线单代理（alpha-epsilon）逼近算法转化为具有 m 个通信代理和 alpha 遗憾度的在线多代理算法，并保证了与时间跨度 T 的次线性增长，且随着通信代理数量的增加而线性加速。此外，该算法还具有高效的通信特性，只需要亚线性数量的通信轮次，通过将该框架成功应用于在线随机子模块最大化，并实现了第一个单代理和多代理设置的结果，以及恢复了专门的单代理理论保证。我们还通过对随机数据摘要问题的实证验证来展示所提出的框架的有效性，即使在单代理场景中也是如此。

May, 2024