دوره مقدمه‌ای بر یادگیری تقویتی چندعامله در رفتار سیستمی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری تقویتی چندعامله در رفتار سیستمی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای شبیه‌سازی رفتار جمعی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفهوم عامل و محیط
• 3. فضای حالت و فضای عمل
• 4. تابع پاداش و تابع ارزش
• 5. الگوریتم‌های یادگیری تقویتی
• 6. یادگیری تقویتی تک‌عامله
• 7. مدل‌های مبتنی بر ارزش
• 8. مدل‌های مبتنی بر سیاست
• 9. الگوریتم‌های Q-Learning
• 10. الگوریتم‌های SARSA
• 11. مقایسه Q-Learning و SARSA
• 12. یادگیری تقویتی عمیق
• 13. شبکه‌های عصبی در یادگیری تقویتی
• 14. Deep Q-Networks (DQN)
• 15. مزایا و معایب DQN
• 16. روش‌های بهبود DQN
• 17. Double DQN
• 18. Dueling DQN
• 19. Prioritized Experience Replay
• 20. Actor-Critic Methods
• 21. Policy Gradients
• 22. REINFORCE Algorithm
• 23. Actor-Critic با استفاده از واگرایی
• 24. A2C (Advantage Actor-Critic)
• 25. A3C (Asynchronous Advantage Actor-Critic)
• 26. DDPG (Deep Deterministic Policy Gradient)
• 27. TRPO (Trust Region Policy Optimization)
• 28. PPO (Proximal Policy Optimization)
• 29. یادگیری تقویتی چندعامله (MARL)
• 30. مفهوم عامل‌های متعدد
• 31. تعامل عامل‌ها
• 32. محیط‌های چندعامله
• 33. چالش‌های MARL
• 34. همکاری و رقابت در MARL
• 35. هماهنگی عامل‌ها
• 36. مدل‌سازی عامل‌های دیگر
• 37. یادگیری تقویتی با محیط‌های مشترک
• 38. یادگیری تقویتی با محیط‌های رقابتی
• 39. بازی‌های مجموع-صفر
• 40. بازی‌های مجموع-غیرصفر
• 41. معادلات Bellman برای MARL
• 42. حل مسائل MARL
• 43. روش‌های مبتنی بر ارزش در MARM
• 44. Q-Learning برای MARM
• 45. Joint Action Learners
• 46. Independent Q-Learning (IQL)
• 47. محدودیت‌های IQL
• 48. روش‌های مبتنی بر سیاست در MARM
• 49. Policy Gradients برای MARM
• 50. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 51. Cooperative MARL
• 52. Multi-Agent Reinforcement Learning for Cooperative Tasks
• 53. Learning to Coordinate Agents
• 54. Centralized Training with Decentralized Execution (CTDE)
• 55. Value Decomposition Networks (VDN)
• 56. QMIX
• 57. VDPO (Value-Driven Policy Optimization)
• 58. Competitive MARL
• 59. Multi-Agent Reinforcement Learning for Competitive Tasks
• 60. Adversarial MARL
• 61. Minimax-Q Learning
• 62. Counterfactual Multi-Agent Policy Gradients (COMA)
• 63. Exploiting Opponent Models
• 64. Self-Play
• 65. Mean Field Reinforcement Learning
• 66. Mean Field Q-Learning
• 67. Mean Field Policy Gradients
• 68. کاربردها در سیستم‌های پیچیده
• 69. کنترل ترافیک هوشمند
• 70. مدیریت منابع انرژی
• 71. رباتیک چندربات
• 72. سیستم‌های توصیه‌گر
• 73. شبکه‌های ارتباطی
• 74. مدیریت ناوگان وسایل نقلیه
• 75. بازی‌های استراتژیک
• 76. پردازش زبان طبیعی
• 77. تشخیص و پیش‌بینی بیماری‌ها
• 78. سیستم‌های مالی و اقتصادی
• 79. ملاحظات اخلاقی در MARL
• 80. امنیت در سیستم‌های چندعامله
• 81. قابلیت اطمینان در سیستم‌های چندعامله
• 82. تفاسیرپذیری در MARL
• 83. روش‌های ارزیابی عملکرد در MARL
• 84. شبیه‌سازهای MARL
• 85. مقایسه الگوریتم‌های MARL
• 86. مطالعات موردی در MARL
• 87. آینده پژوهی در MARL
• 88. یادگیری تقویتی در دنیای واقعی
• 89. پیاده‌سازی عملی MARL
• 90. چالش‌های مقیاس‌پذیری در MARL
• 91. یادگیری تقویتی با پاداش‌های پراکنده
• 92. یادگیری تقویتی با پاداش‌های تاخیری
• 93. یادگیری تقویتی از طریق مشاهده
• 94. یادگیری تقویتی فعال
• 95. یادگیری تقویتی با انتقال دانش
• 96. یادگیری تقویتی با یادگیری چندوظیفه‌ای
• 97. یادگیری تقویتی با یادگیری پاداش
• 98. یادگیری تقویتی با یادگیری مدل
• 99. یادگیری تقویتی با یادگیری سیاست
• 100. مبانی یادگیری تقویتی برای سیستم‌های توزیع‌شده