دوره بازی‌های مداوم و دینامیک در یادگیری تقویتی چندعامله همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بازی‌های مداوم و دینامیک در یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: بازی‌ها (Games)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم اساسی در بازی‌های مداوم
• 3. مدل‌های مارکوف تصمیم‌گیری (MDP) برای بازی‌های مداوم
• 4. فضاهای حالت و عمل پیوسته
• 5. توابع پاداش و هزینه‌ در بازی‌های مداوم
• 6. یادگیری تقویتی تک‌عامله در فضاهای پیوسته
• 7. تخمین تابع ارزش (Value Function Estimation)
• 8. تخمین تابع سیاست (Policy Function Estimation)
• 9. الگوریتم‌های مبتنی بر گرادیان سیاست (Policy Gradient)
• 10. الگوریتم‌های Actor-Critic
• 11. الگوریتم‌های مبتنی بر مدل (Model-Based RL)
• 12. مدل‌های دینامیکی برای بازی‌های مداوم
• 13. یادگیری مدل از داده‌ها
• 14. تولید مسیر (Trajectory Generation)
• 15. بهینه‌سازی مسیر
• 16. یادگیری تقویتی چندعامله (MARL): مفاهیم اولیه
• 17. تعامل عامل‌ها در محیط‌های پویا
• 18. فضاهای حالت-عمل مشترک
• 19. تعریف بازی‌های چندعامله
• 20. تعادل نش (Nash Equilibrium) در بازی‌های چندعامله
• 21. بازی‌های مجموع صفر (Zero-Sum Games)
• 22. بازی‌های مجموع غیرصفر (Non-Zero-Sum Games)
• 23. بازی‌های همکاری‌کننده (Cooperative Games)
• 24. بازی‌های غیرهمکاری‌کننده (Non-Cooperative Games)
• 25. یادگیری تقویتی تیمی (Team RL)
• 26. یادگیری تقویتی رقابتی (Competitive RL)
• 27. یادگیری تقویتی مختلط (Mixed Cooperative-Competitive RL)
• 28. چالش‌های MARL: غیرایستایی محیط (Non-Stationarity)
• 29. چالش‌های MARL: پیچیدگی حالت-عمل
• 30. چالش‌های MARL: ارتباطات بین عامل‌ها
• 31. چالش‌های MARL: هماهنگی و استقلال
• 32. الگوریتم‌های پایه در MARL
• 33. الگوریتم‌های مبتنی بر ارزش مشترک (Joint Value-Based)
• 34. الگوریتم‌های مبتنی بر سیاست مشترک (Joint Policy-Based)
• 35. الگوریتم‌های مبتنی بر تفکیک عامل‌ها (Decentralized Agents)
• 36. الگوریتم‌های مبتنی بر یادگیری متمرکز-اجرای توزیع‌شده (CTDE)
• 37. معماری‌های CTDE
• 38. شبکه‌های عصبی عمیق در MARL
• 39. یادگیری عمیق تقویتی چندعامله (Deep MARL)
• 40. شبکه‌های عصبی کانولوشنال (CNN) در MARL
• 41. شبکه‌های عصبی بازگشتی (RNN) در MARL
• 42. شبکه‌های عصبی ترنسفورمر (Transformer) در MARL
• 43. یادگیری ارتباطات بین عامل‌ها
• 44. مکانیزم‌های توجه (Attention Mechanisms)
• 45. کدگذاری و دیکدگذاری ارتباطات
• 46. یادگیری زبان‌های ارتباطی
• 47. مسائل هماهنگی در MARL
• 48. مدل‌سازی هماهنگی
• 49. یادگیری استراتژی‌های هماهنگ
• 50. کاربردها در رباتیک چندرباته
• 51. کاربردها در سیستم‌های حمل‌ونقل هوشمند
• 52. کاربردها در مدیریت منابع انرژی
• 53. کاربردها در بازی‌های شبیه‌سازی‌شده
• 54. کاربردها در سیستم‌های توصیه‌گر چندعامله
• 55. کاربردها در بازارهای الکترونیکی
• 56. کاربردها در امنیت سایبری
• 57. کاربردها در بازی‌های استراتژیک
• 58. کاربردها در هوش مصنوعی جمعی
• 59. کاربردها در شبکه‌های حسگر بی‌سیم
• 60. کاربردها در سیستم‌های توزیع‌شده
• 61. کاربردها در اقتصاد محاسباتی
• 62. کاربردها در مدیریت زنجیره تأمین
• 63. کاربردها در بهینه‌سازی ترافیک شهری
• 64. کاربردها در کنترل ناوگان وسایل نقلیه
• 65. کاربردها در مدیریت منابع طبیعی
• 66. کاربردها در سیستم‌های مالی
• 67. کاربردها در هوش مصنوعی پزشکی
• 68. کاربردها در آموزش و یادگیری
• 69. کاربردها در تحقیقات علمی
• 70. کاربردها در توسعهٔ نرم‌افزار
• 71. کاربردها در رباتیک صنعتی
• 72. کاربردها در شبکه‌های ارتباطی
• 73. کاربردها در سیستم‌های توزیع بار
• 74. کاربردها در بهینه‌سازی منابع محاسباتی
• 75. کاربردها در مدیریت پایگاه داده
• 76. کاربردها در پردازش زبان طبیعی
• 77. کاربردها در بینایی ماشین
• 78. کاربردها در تحلیل داده‌های بزرگ
• 79. کاربردها در سیستم‌های خودمختار
• 80. کاربردها در طراحی سیستم‌های هوشمند
• 81. کاربردها در شبیه‌سازی اجتماعی
• 82. کاربردها در پیش‌بینی رفتار
• 83. کاربردها در تحلیل ریسک
• 84. کاربردها در بهینه‌سازی فرآیندها
• 85. کاربردها در سیستم‌های توزیع‌شدهٔ کارآمد
• 86. کاربردها در مدیریت پروژه
• 87. کاربردها در یادگیری تدافعی
• 88. کاربردها در یادگیری تهاجمی
• 89. کاربردها در یادگیری ترکیبی
• 90. کاربردها در معماری‌های جدید MARL
• 91. کاربردها در بهینه‌سازی پارامترهای MARL
• 92. کاربردها در ارزیابی عملکرد MARL
• 93. کاربردها در مسائل اخلاقی در MARL
• 94. کاربردها در آیندهٔ MARL