فلش‌کارت‌های آموزشی بهینه‌سازی مسیر و زمان‌بندی با یادگیری تقویتی چندعامله در حمل و نقل

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی مسیر و زمان‌بندی با یادگیری تقویتی چندعامله در حمل و نقل

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس قاره‌ای با استفاده از پلتفرم‌های هوش مصنوعی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر حمل و نقل و چالش های آن
• 2. مفاهیم اصلی حمل و نقل هوشمند
• 3. اهمیت بهینه‌سازی مسیر و زمان‌بندی
• 4. مقدمه ای بر یادگیری تقویتی (RL)
• 5. عناصر کلیدی یادگیری تقویتی (عامل، محیط، حالت، عمل، پاداش)
• 6. یادگیری تقویتی تک عامله
• 7. محدودیت های یادگیری تقویتی تک عامله برای مسائل پیچیده حمل و نقل
• 8. مقدمه ای بر یادگیری تقویتی چند عامله (MARL)
• 9. تفاوت های MARL با RL تک عامله
• 10. چالش های کلیدی در MARL (تغییر محیط، عدم قطعیت، هماهنگی)
• 11. کاربرد MARL در مسائل حمل و نقل
• 12. مروری بر مدل های MARL
• 13. مدل های مبتنی بر همبستگی (Correlation-based Models)
• 14. مدل های مبتنی بر همکاری (Cooperative Models)
• 15. مدل های مبتنی بر رقابت (Competitive Models)
• 16. مدل های ترکیبی (Mixed Models)
• 17. مدل های مبتنی بر عامل متمرکز (Centralized Actor Models)
• 18. مدل های مبتنی بر عامل غیرمتمرکز (Decentralized Actor Models)
• 19. مدل های مبتنی بر عامل متمرکز-غیرمتمرکز (Centralized-Decentralized Actor Models)
• 20. معرفی الگوریتم های پایه MARL
• 21. Q-Learning در MARL
• 22. Deep Q-Networks (DQN) در MARL
• 23. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 24. Proximal Policy Optimization (PPO) برای MARL
• 25. Actor-Critic methods در MARL
• 26. Multi-Agent Proximal Policy Optimization (MAPPO)
• 27. Independent Q-Learning (IQL)
• 28. Value Decomposition Networks (VDN)
• 29. QMIX
• 30. CommNet
• 31. DIAL
• 32. COMA
• 33. تکنیک های نمایش حالت (State Representation) در MARL
• 34. نمایش حالت مبتنی بر گراف (Graph-based State Representation)
• 35. نمایش حالت مبتنی بر شبکه های عصبی کانولوشنال (CNN-based State Representation)
• 36. نمایش حالت مبتنی بر شبکه های عصبی بازگشتی (RNN-based State Representation)
• 37. نمایش حالت مبتنی بر مکان (Location-based State Representation)
• 38. نمایش حالت مبتنی بر زمان (Time-based State Representation)
• 39. نمایش حالت مبتنی بر ویژگی های وسیله نقلیه (Vehicle Feature-based State Representation)
• 40. نمایش حالت مبتنی بر ویژگی های ترافیک (Traffic Feature-based State Representation)
• 41. تکنیک های طراحی پاداش (Reward Design) در MARL
• 42. پاداش های محلی (Local Rewards)
• 43. پاداش های جهانی (Global Rewards)
• 44. پاداش های ترکیبی (Hybrid Rewards)
• 45. پاداش های مبتنی بر هماهنگی (Coordination-based Rewards)
• 46. پاداش های مبتنی بر کارایی (Performance-based Rewards)
• 47. پاداش های مبتنی بر انصاف (Fairness-based Rewards)
• 48. پاداش های مبتنی بر مصرف سوخت (Fuel Consumption-based Rewards)
• 49. پاداش های مبتنی بر زمان سفر (Travel Time-based Rewards)
• 50. پاداش های مبتنی بر کاهش تراکم (Congestion Reduction Rewards)
• 51. پاداش های مبتنی بر رضایت مشتری (Customer Satisfaction Rewards)
• 52. شبیه سازی محیط های حمل و نقل
• 53. شبیه سازهای حمل و نقل رایج (SUMO, MATSim, CityFlow)
• 54. طراحی محیط های شبیه سازی سفارشی
• 55. مدل سازی داده های ترافیک
• 56. مدل سازی رفتار رانندگان
• 57. مدل سازی زیرساخت ها
• 58. مدل سازی رویدادهای غیرمنتظره (تصادف، خرابی)
• 59. مدل سازی تقاضای حمل و نقل
• 60. مدل سازی انواع وسایل نقلیه (خودرو، اتوبوس، کامیون)
• 61. مدل سازی سیستم های حمل و نقل عمومی
• 62. مدل سازی سیستم های حمل و نقل اشتراکی
• 63. بهینه‌سازی مسیر در حمل و نقل با MARL
• 64. مسئله یافتن کوتاهترین مسیر
• 65. مسئله یافتن مسیر با کمترین زمان سفر
• 66. مسئله یافتن مسیر با کمترین مصرف سوخت
• 67. مسئله یافتن مسیر با کمترین هزینه
• 68. مسئله یافتن مسیر با در نظر گرفتن محدودیت ها (ظرفیت، زمان)
• 69. بهینه‌سازی زمان‌بندی در حمل و نقل با MARL
• 70. زمان‌بندی وسایل نقلیه عمومی
• 71. زمان‌بندی تحویل بار
• 72. زمان‌بندی سرویس های اشتراکی
• 73. زمان‌بندی سفرهای شخصی
• 74. بهینه‌سازی هماهنگ مسیر و زمان‌بندی
• 75. کاربرد MARL در مدیریت ترافیک
• 76. کنترل سیگنال های ترافیکی با MARL
• 77. مدیریت جریان ترافیک با MARL
• 78. پیش بینی و مدیریت تراکم با MARL
• 79. کاربرد MARL در ناوگان های خودران
• 80. هماهنگی بین خودروهای خودران
• 81. بهینه‌سازی مسیر و زمان‌بندی ناوگان های خودران
• 82. مدیریت پارک خودکار با MARL
• 83. کاربرد MARL در لجستیک و زنجیره تامین
• 84. بهینه‌سازی مسیر تحویل در لجستیک شهری
• 85. بهینه‌سازی زمان‌بندی انبارداری
• 86. بهینه‌سازی تخصیص منابع در زنجیره تامین
• 87. کاربرد MARL در حمل و نقل عمومی
• 88. بهینه‌سازی خطوط و زمان‌بندی اتوبوس ها
• 89. بهینه‌سازی تخصیص واگن ها در قطارها
• 90. مدیریت ازدحام در ایستگاه ها
• 91. کاربرد MARL در حمل و نقل اشتراکی
• 92. بهینه‌سازی تخصیص رانندگان و مسافران
• 93. بهینه‌سازی زمان‌بندی و مسیر سرویس ها
• 94. کاربرد MARL در حمل و نقل هوشمند شهری (ITS)
• 95. سیستم های حمل و نقل پاسخگو به رویداد
• 96. سیستم های مدیریت پارکینگ هوشمند
• 97. سیستم های حمل و نقل مبتنی بر تقاضا
• 98. ارزیابی عملکرد الگوریتم های MARL
• 99. معیارهای ارزیابی (زمان سفر، تراکم، مصرف سوخت، انصاف)
• 100. مقایسه با روش های سنتی