دوره پیاده‌سازی یادگیری تقویتی چندعامله برای شبیه‌سازی‌های واقعی رفتار جمعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی یادگیری تقویتی چندعامله برای شبیه‌سازی‌های واقعی رفتار جمعی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای شبیه‌سازی رفتار جمعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. تعریف عامل و محیط در یادگیری تقویتی
• 4. تابع پاداش و هدف یادگیری
• 5. مارکوف تصمیم‌گیری (MDP)
• 6. مدل‌های فضای حالت و عمل
• 7. الگوریتم‌های یادگیری تقویتی تک‌عامله
• 8. یادگیری Q (Q-Learning)
• 9. یادگیری سیاست گرادیان (Policy Gradient)
• 10. روش‌های مبتنی بر مدل و بدون مدل
• 11. محدودیت‌های یادگیری تقویتی تک‌عامله
• 12. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 13. تفاوت‌های MARL با RL تک‌عامله
• 14. چالش‌های اصلی در MARL
• 15. وابستگی عامل‌ها به یکدیگر (Non-stationarity)
• 16. فضای حالت و عمل مشترک
• 17. مشاهده‌پذیری محدود (Partial Observability)
• 18. هماهنگی و رقابت بین عامل‌ها
• 19. معرفی بازی‌های مجموع-صفر
• 20. مقدمه‌ای بر نظریه بازی‌ها در MARL
• 21. تعادل نش (Nash Equilibrium)
• 22. تعادل کورلی-بِـنِـش (Correlated Equilibrium)
• 23. مدل‌های اقتصاد خرد برای عامل‌ها
• 24. کاربرد MARL در رباتیک
• 25. هماهنگی ربات‌ها برای وظایف مشترک
• 26. مسیریابی ربات‌ها در محیط‌های پویا
• 27. تیم‌های رباتیک در محیط‌های صنعتی
• 28. کاربرد MARL در حمل‌ونقل هوشمند
• 29. بهینه‌سازی جریان ترافیک
• 30. مدیریت ناوگان وسایل نقلیه خودران
• 31. شبکه‌های حمل‌ونقل عمومی
• 32. کاربرد MARL در بازی‌ها
• 33. شبیه‌سازی بازیکنان در بازی‌های استراتژیک
• 34. توسعه هوش مصنوعی برای بازی‌های تخته‌ای
• 35. بازی‌های ویدئویی چندنفره
• 36. کاربرد MARL در سیستم‌های توزیع‌شده
• 37. مدیریت منابع در شبکه‌های محاسباتی
• 38. بهینه‌سازی مصرف انرژی در ساختمان‌های هوشمند
• 39. سیستم‌های توزیع‌شده یادگیرنده
• 40. کاربرد MARL در مالی
• 41. معاملات الگوریتمی در بازارهای مالی
• 42. مدیریت سبد سهام با عامل‌های هوشمند
• 43. پیش‌بینی روند بازار
• 44. الگوریتم‌های یادگیری تقویتی چندعامله
• 45. یادگیری Q مشترک (Joint Q-Learning)
• 46. یادگیری سیاست مشترک (Joint Policy Learning)
• 47. روش‌های مبتنی بر عامل مرکزی (Centralized Actor, Decentralized Critic)
• 48. روش‌های مبتنی بر عامل مستقل (Independent Learners)
• 49. آلگوریتم‌های CTDE (Centralized Training, Decentralized Execution)
• 50. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 51. QMIX (Value Decomposition Networks)
• 52. VDN (Value-Decomposition Networks)
• 53. COMA (Counterfactual Multi-Agent Policy Gradients)
• 54. معماری‌های شبکه‌های عصبی در MARL
• 55. شبکه‌های عصبی کانولوشنی در MARL
• 56. شبکه‌های عصبی بازگشتی در MARL
• 57. توجه (Attention Mechanisms) در MARL
• 58. مدل‌های گراف شبکه‌ای (GNNs) برای MARL
• 59. مباحث پیشرفته در MARL
• 60. یادگیری تقویتی در محیط‌های با مقیاس بزرگ
• 61. شبیه‌سازی‌های پیچیده رفتار جمعی
• 62. مدل‌سازی رفتارهای پیچیده انسانی
• 63. شبیه‌سازی‌های پویای اجتماعی
• 64. ملاحظات اخلاقی در MARL
• 65. شفافیت و قابلیت توضیح‌پذیری عامل‌ها
• 66. سوگیری در داده‌ها و الگوریتم‌ها
• 67. پیامدهای اجتماعی و اقتصادی MARL
• 68. امنیت در سیستم‌های MARL
• 69. حملات به عامل‌ها و محیط
• 70. دفاع در برابر رفتارهای مخرب عامل‌ها
• 71. اعتماد در سیستم‌های چندعامله
• 72. ارزیابی و معیارهای عملکرد در MARL
• 73. محیط‌های شبیه‌سازی استاندارد برای MARL
• 74. معیارهای کمی برای ارزیابی هماهنگی
• 75. معیارهای کیفی برای تحلیل رفتار جمعی
• 76. مطالعات موردی شبیه‌سازی‌های رفتار جمعی
• 77. شبیه‌سازی ازدحام و تخلیه اضطراری
• 78. شبیه‌سازی انتشار اطلاعات و شایعات
• 79. شبیه‌سازی رفتار مصرف‌کننده و تصمیم‌گیری
• 80. شبیه‌سازی پدیده‌های اجتماعی پیچیده
• 81. طراحی محیط‌های یادگیری برای عامل‌ها
• 82. طراحی تابع پاداش مؤثر در MARL
• 83. استفاده از تقوا در طراحی پاداش
• 84. تنظیم پارامترهای الگوریتم‌ها
• 85. آموزش عامل‌ها در محیط‌های واقع‌گرایانه
• 86. پیاده‌سازی MARL با استفاده از فریم‌ورک‌های موجود
• 87. TensorFlow Agents
• 88. PyMARL
• 89. OpenSpiel
• 90. Ray RLlib
• 91. پیاده‌سازی یک شبیه‌سازی رفتار جمعی با MARL
• 92. تعریف محیط شبیه‌سازی
• 93. طراحی عامل‌ها و تابع پاداش
• 94. آموزش و ارزیابی مدل
• 95. تحلیل نتایج شبیه‌سازی
• 96. کاربرد MARL در مطالعات رفتار جمعی
• 97. مدل‌سازی پدیده‌های اقتصادی مبتنی بر رفتار جمعی
• 98. تحلیل دینامیک بازار سهام
• 99. شبیه‌سازی رفتار رأی‌دهندگان
• 100. مدل‌سازی انتشار بیماری‌های واگیردار