دوره یادگیری تقویتی چندعامله برای کاهش تراکم و زمان سفر در شهرها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای کاهش تراکم و زمان سفر در شهرها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل درون شهری

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم عامل، محیط و پاداش
• 3. فضای حالت و فضای عمل
• 4. مدل‌های یادگیری تقویتی
• 5. یادگیری تقویتی بدون مدل (Model-Free)
• 6. یادگیری تقویتی مبتنی بر مدل (Model-Based)
• 7. الگوریتم‌های یادگیری Q
• 8. یادگیری Q-Learning
• 9. یادگیری Deep Q-Network (DQN)
• 10. بهینه‌سازی DQN
• 11. Double DQN
• 12. Dueling DQN
• 13. Prioritized Experience Replay
• 14. Actor-Critic Methods
• 15. الگوریتم‌های Actor-Critic
• 16. A2C (Advantage Actor-Critic)
• 17. A3C (Asynchronous Advantage Actor-Critic)
• 18. Proximal Policy Optimization (PPO)
• 19. Trust Region Policy Optimization (TRPO)
• 20. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning - MARL)
• 21. مبانی یادگیری تقویتی چندعامله
• 22. چالش‌های MARL
• 23. همکاری و رقابت در MARL
• 24. مدل‌های یادگیری تقویتی چندعامله
• 25. مرکزیت‌زدایی در MARL
• 26. همکاری عامل‌ها
• 27. رقابت عامل‌ها
• 28. ترکیبی از همکاری و رقابت
• 29. یادگیری تقویتی برای مدیریت ترافیک شهری
• 30. مدل‌سازی تقاطع‌های ترافیکی
• 31. بهینه‌سازی سیگنال‌های راهنمایی و رانندگی
• 32. مدیریت جریان ترافیک
• 33. پیش‌بینی تراکم ترافیکی
• 34. کاهش زمان سفر
• 35. کاهش مصرف سوخت
• 36. بهبود کیفیت هوا
• 37. یادگیری تقویتی برای تخصیص منابع شهری
• 38. تخصیص خدمات حمل و نقل عمومی
• 39. مدیریت پارکینگ هوشمند
• 40. تخصیص ایستگاه‌های اشتراک دوچرخه
• 41. تخصیص ایستگاه‌های شارژ خودروهای برقی
• 42. بهینه‌سازی مسیرهای جمع‌آوری زباله
• 43. یادگیری تقویتی برای برنامه‌ریزی شهری
• 44. توسعه شبکه‌های حمل و نقل
• 45. تخصیص کاربری زمین
• 46. مدیریت رویدادهای شهری
• 47. برنامه‌ریزی اضطراری
• 48. یادگیری تقویتی برای سیستم‌های هوشمند حمل و نقل
• 49. اتصال‌پذیری خودروها (V2X)
• 50. خودروهای خودران
• 51. سیستم‌های مدیریت ترافیک انطباقی
• 52. بهینه‌سازی مسیریابی پویا
• 53. یادگیری تقویتی در اقتصاد حمل و نقل
• 54. تحلیل رفتار رانندگان
• 55. مدل‌سازی تقاضای سفر
• 56. قیمت‌گذاری پویا در حمل و نقل
• 57. یادگیری تقویتی در علوم داده شهری
• 58. تحلیل داده‌های سنسورهای شهری
• 59. شناسایی الگوهای رفتاری
• 60. پیش‌بینی حوادث شهری
• 61. بهینه‌سازی طراحی شهری
• 62. یادگیری تقویتی برای بهینه‌سازی مصرف انرژی
• 63. مدیریت مصرف انرژی ساختمان‌ها
• 64. بهینه‌سازی شبکه‌های توزیع انرژی
• 65. مدیریت تقاضای انرژی
• 66. یادگیری تقویتی در رباتیک شهری
• 67. ربات‌های تحویل کالا
• 68. ربات‌های نظافت شهری
• 69. ربات‌های ناوبری در محیط‌های پیچیده
• 70. یادگیری تقویتی برای بهینه‌سازی زنجیره تأمین
• 71. مسیریابی بهینه وسایل نقلیه
• 72. مدیریت موجودی
• 73. بهینه‌سازی لجستیک شهری
• 74. یادگیری تقویتی برای بهینه‌سازی خدمات شهری
• 75. مدیریت زمان‌بندی خدمات
• 76. بهینه‌سازی پاسخگویی به تقاضا
• 77. بهبود کارایی خدمات
• 78. یادگیری تقویتی برای شبیه‌سازی شهری
• 79. شبیه‌سازی رفتار عامل‌ها
• 80. شبیه‌سازی پویایی‌های شهری
• 81. ارزیابی سیاست‌های شهری
• 82. یادگیری تقویتی پیشرفته در MARL
• 83. بازی‌های تکرارشونده در MARL
• 84. بازی‌های صفر و یک در MARL
• 85. بازی‌های غیرصفر و یک در MARL
• 86. نظریه بازی‌ها و MARL
• 87. توازن نش در MARL
• 88. یادگیری تقویتی با پاداش‌های پراکنده
• 89. یادگیری تقویتی با پاداش‌های منفی
• 90. یادگیری تقویتی با پاداش‌های ترکیبی
• 91. یادگیری تقویتی برای سیستم‌های توزیع‌شده
• 92. یادگیری تقویتی با ارتباطات محدود
• 93. یادگیری تقویتی با عامل‌های ناهماهنگ
• 94. یادگیری تقویتی برای شهر هوشمند
• 95. امنیت در سیستم‌های شهری هوشمند
• 96. حریم خصوصی در داده‌های شهری
• 97. اخلاق در هوش مصنوعی شهری
• 98. کاربرد MARL در حکمرانی شهری
• 99. تحلیل داده‌های کلان شهری
• 100. پیش‌بینی و مدیریت بحران