دوره اصول تکاملی یادگیری تقویتی چندعامله همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول تکاملی یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: اصول و مفاهیم MARL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه و واژگان کلیدی
• 3. مدل‌های عامل-محیط در یادگیری تقویتی
• 4. حالت‌ها، عمل‌ها و پاداش‌ها
• 5. فرایندهای تصمیم‌گیری مارکوف (MDP)
• 6. فضای حالت پیوسته و گسسته
• 7. فضای عمل پیوسته و گسسته
• 8. پویایی محیط و مدل‌های محیط
• 9. تابع ارزش و تابع سیاست
• 10. تعادل در بازی‌های تکراری
• 11. یادگیری مبتنی بر ارزش
• 12. یادگیری مبتنی بر سیاست
• 13. یادگیری ترکیبی ارزش و سیاست
• 14. الگوریتم‌های Q-Learning
• 15. الگوریتم‌های SARSA
• 16. یادگیری عمیق در یادگیری تقویتی
• 17. شبکه‌های عصبی کانولوشنی (CNN)
• 18. شبکه‌های عصبی بازگشتی (RNN)
• 19. شبکه‌های عصبی ترنسفورمر
• 20. Deep Q-Networks (DQN)
• 21. Double DQN
• 22. Dueling DQN
• 23. Prioritized Experience Replay
• 24. Actor-Critic Methods
• 25. Asynchronous Advantage Actor-Critic (A3C)
• 26. Proximal Policy Optimization (PPO)
• 27. Trust Region Policy Optimization (TRPO)
• 28. Deep Deterministic Policy Gradient (DDPG)
• 29. Soft Actor-Critic (SAC)
• 30. یادگیری تقویتی چندعامله (MARL)
• 31. چالش‌های یادگیری تقویتی چندعامله
• 32. ناسازگاری
• 33. پویایی محیط غیر ایستا
• 34. غیرخطی بودن
• 35. عدم قطعیت
• 36. توزیع نامتوازن داده‌ها
• 37. بازی‌های مجموع صفر
• 38. بازی‌های مجموع غیرصفر
• 39. بازی‌های هماهنگی
• 40. بازی‌های رقابتی
• 41. بازی‌های مشارکتی
• 42. مدل‌های بازی در MARL
• 43. بازی‌های استراتژیک
• 44. تعادل نش
• 45. تعادل کورنو
• 46. تعادل استاکلبرگ
• 47. معرفی محیط‌های شبیه‌سازی MARL
• 48. Multi-Agent Particle Environments (MPE)
• 49. StarCraft II Learning Environment
• 50. OpenAI Gym MARL
• 51. Unity ML-Agents
• 52. تکنیک‌های یادگیری عامل-محیط مشترک
• 53. یادگیری متمرکز-غیرمتمرکز (CTDE)
• 54. Centralized Training with Decentralized Execution (CTDE)
• 55. Global Reward Shaping
• 56. Shared Experience Replay
• 57. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 58. Counterfactual Multi-Agent Policy Gradients (COMA)
• 59. QMIX
• 60. VDN (Value Decomposition Networks)
• 61. QTRAN
• 62. اتصال شبکه‌های عصبی برای MARL
• 63. شبکه‌های عصبی گراف (GNN) برای MARL
• 64. تکنیک‌های ارتباط بین عامل‌ها
• 65. ارتباط مستقیم
• 66. ارتباط از طریق محیط
• 67. ارتباط مبتنی بر سیگنال
• 68. ارتباط مبتنی بر پیام
• 69. پروتکل‌های ارتباطی
• 70. یادگیری بازی‌های استراتژیک با عامل‌های متعدد
• 71. هماهنگی در وظایف پیچیده
• 72. تقسیم وظایف
• 73. مدیریت منابع مشترک
• 74. یادگیری همکاری در رباتیک
• 75. کار تیمی ربات‌ها
• 76. ناوبری ربات‌های چندگانه
• 77. دستکاری اشیاء توسط ربات‌های چندگانه
• 78. یادگیری تیمی در بازی‌های استراتژیک
• 79. یادگیری تاکتیک‌های تیمی
• 80. پیش‌بینی رفتار عامل‌های دیگر
• 81. مدل‌سازی رفتار عامل‌های دیگر
• 82. یادگیری با عامل‌های نامتقارن
• 83. یادگیری با عامل‌های ناظر
• 84. یادگیری با عامل‌های خودکار
• 85. کاربردها در سیستم‌های هوشمند
• 86. سیستم‌های حمل و نقل هوشمند
• 87. مدیریت ترافیک
• 88. خودروهای خودران
• 89. سیستم‌های توزیع انرژی هوشمند
• 90. شبکه‌های برق هوشمند
• 91. مدیریت تقاضا
• 92. کاربردها در رباتیک و اتوماسیون
• 93. ربات‌های صنعتی
• 94. ربات‌های خدماتی
• 95. سیستم‌های انبارداری خودکار
• 96. کاربردها در بازی‌ها و سرگرمی
• 97. توسعه بازی‌های هوشمند
• 98. شخصیت‌های غیرقابل بازی (NPC) پویا
• 99. شبیه‌سازی سناریوهای پیچیده
• 100. کاربردها در علوم اجتماعی و اقتصادی