دوره بهینه‌سازی تعاملات عامل‌ها در سیستم‌های جمعی با یادگیری تقویتی چندعامله همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی تعاملات عامل‌ها در سیستم‌های جمعی با یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای شبیه‌سازی رفتار جمعی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر سیستم‌های جمعی
• 2. مقدمه‌ای بر یادگیری تقویتی
• 3. یادگیری تقویتی چندعامله (MARL)
• 4. چالش‌های MARL
• 5. مفاهیم اساسی عامل‌ها
• 6. مفاهیم اساسی محیط
• 7. مفاهیم اساسی اقدامات
• 8. مفاهیم اساسی حالت‌ها
• 9. مفاهیم اساسی پاداش‌ها
• 10. مفاهیم اساسی سیاست‌ها
• 11. مفاهیم اساسی ارزش‌گذاری
• 12. همکاری در سیستم‌های جمعی
• 13. رقابت در سیستم‌های جمعی
• 14. ترکیبی از همکاری و رقابت
• 15. مفهوم تعامل عامل‌ها
• 16. انواع تعامل عامل‌ها
• 17. تأثیر تعامل بر عملکرد
• 18. اندازه‌گیری تعامل عامل‌ها
• 19. مدل‌سازی تعامل عامل‌ها
• 20. بهینه‌سازی تعامل عامل‌ها
• 21. اهداف بهینه‌سازی تعامل
• 22. روش‌های بهینه‌سازی تعامل
• 23. یادگیری مبتنی بر عامل
• 24. یادگیری مبتنی بر محیط
• 25. یادگیری مبتنی بر تعامل
• 26. یادگیری تقویتی تک‌عامله (Single-Agent RL)
• 27. محدودیت‌های Single-Agent RL در سیستم‌های جمعی
• 28. معرفی MARL
• 29. تفاوت‌های MARL و Single-Agent RL
• 30. دسته بندی روش‌های MARL
• 31. روش‌های مبتنی بر عامل مرکزی (Centralized methods)
• 32. روش‌های مبتنی بر عامل غیرمتمرکز (Decentralized methods)
• 33. روش‌های ترکیبی (Hybrid methods)
• 34. یادگیری تقویتی مقیاس‌پذیر (Scalable MARL)
• 35. یادگیری مبتنی بر سیاست (Policy-based MARL)
• 36. یادگیری مبتنی بر ارزش (Value-based MARL)
• 37. یادگیری ترکیبی (Actor-Critic MARL)
• 38. یادگیری تقویتی مبتنی بر مدل (Model-based MARL)
• 39. یادگیری تقویتی بدون مدل (Model-free MARL)
• 40. معرفی الگوریتم‌های کلیدی MARL
• 41. Deep Q-Networks (DQN) در MARL
• 42. Multi-Agent Deep Q-Networks (MADQN)
• 43. Asynchronous Advantage Actor-Critic (A3C) در MARL
• 44. Multi-Agent A3C
• 45. Proximal Policy Optimization (PPO) در MARL
• 46. Multi-Agent PPO
• 47. Deep Deterministic Policy Gradient (DDPG) در MARL
• 48. Multi-Agent DDPG
• 49. Multi-Agent Soft Actor-Critic (MASAC)
• 50. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 51. COMA (Counterfactual Multi-Agent Policy Gradients)
• 52. VDN (Value Decomposition Networks)
• 53. QMIX (Q-learning for Multi-Agent Systems)
• 54. IQL (Independent Q-Learning)
• 55. CTDE (Centralized Training with Decentralized Execution)
• 56. مفهوم فضای حالت مشترک (Joint State Space)
• 57. مفهوم فضای اقدام مشترک (Joint Action Space)
• 58. مفهوم تابع ارزش مشترک (Joint Value Function)
• 59. مفهوم تابع سیاست مشترک (Joint Policy Function)
• 60. چالش عدم سکون (Non-stationarity) در MARL
• 61. راهکارهای مقابله با عدم سکون
• 62. یادگیری با محیط‌های پویا
• 63. یادگیری با عامل‌های همکار
• 64. یادگیری با عامل‌های رقیب
• 65. یادگیری با عامل‌های مختلط
• 66. یادگیری با ارتباطات عامل‌ها
• 67. پروتکل‌های ارتباطی عامل‌ها
• 68. یادگیری ارتباطات از طریق پیام‌رسانی
• 69. استفاده از شبکه‌های عصبی برای ارتباطات
• 70. تأثیر ارتباطات بر هماهنگی
• 71. تأثیر ارتباطات بر اکتشاف
• 72. تأثیر ارتباطات بر حل مسائل پیچیده
• 73. یادگیری مشاهده‌پذیری (Observability)
• 74. یادگیری مشاهده‌پذیری جزئی (Partial Observability)
• 75. یادگیری با اطلاعات ناقص
• 76. مدل‌سازی عدم قطعیت در MARL
• 77. یادگیری با عامل‌های نامطمئن
• 78. یادگیری با عامل‌های با قابلیت‌های متفاوت
• 79. یادگیری با عامل‌های با اهداف متفاوت
• 80. یادگیری با عامل‌های با سطوح هوش متفاوت
• 81. یادگیری با عامل‌های با محدودیت‌های محاسباتی
• 82. یادگیری با عامل‌های با محدودیت‌های ارتباطی
• 83. یادگیری تقویتی تکاملی (Evolutionary MARL)
• 84. یادگیری تقویتی مبتنی بر جمعیت (Population-based MARL)
• 85. یادگیری تقویتی مبتنی بر شبکه‌های عصبی گراف (GNN-based MARL)
• 86. کاربرد GNN در مدل‌سازی تعامل
• 87. کاربرد GNN در اشتراک‌گذاری اطلاعات
• 88. کاربرد GNN در یادگیری سیاست‌های توزیع‌شده
• 89. یادگیری تقویتی برای رباتیک گروهی (Multi-Robot Systems)
• 90. یادگیری تقویتی برای سیستم‌های خودمختار (Autonomous Systems)
• 91. یادگیری تقویتی برای شبکه‌های حسگر (Sensor Networks)
• 92. یادگیری تقویتی برای بازی‌های چندنفره (Multiplayer Games)
• 93. یادگیری تقویتی برای مدیریت ترافیک
• 94. یادگیری تقویتی برای سیستم‌های توزیع‌شده
• 95. یادگیری تقویتی برای اقتصاد عامل‌محور (Agent-based Economics)
• 96. یادگیری تقویتی برای شبیه‌سازی‌های اجتماعی
• 97. معیارهای ارزیابی عملکرد در MARL
• 98. شاخص‌های مقایسه الگوریتم‌های MARL
• 99. مجموعه داده‌های استاندارد برای MARL
• 100. پیاده‌سازی الگوریتم‌های MARL