فلش‌کارت‌های آموزشی ساخت سیستم‌های تصمیم‌گیری خودکار در بازی‌های ورق با MARL

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساخت سیستم‌های تصمیم‌گیری خودکار در بازی‌های ورق با MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های بازی‌های ورق

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر هوش مصنوعی در بازی ها
• 2. مقدمه ای بر بازی های ورق
• 3. مقدمه ای بر سیستم های تصمیم گیری خودکار
• 4. مقدمه ای بر یادگیری تقویتی (RL)
• 5. مقدمه ای بر یادگیری تقویتی چند عامله (MARL)
• 6. مفاهیم اساسی RL
• 7. عوامل، محیط ها، وضعیت ها، اقدامات، پاداش ها
• 8. فرآیندهای تصمیم گیری مارکوف (MDPs)
• 9. توابع ارزش
• 10. توابع سیاست
• 11. الگوریتم های RL پایه (Bellman Equation, Q-Learning, SARSA)
• 12. مفاهیم پیشرفته RL
• 13. جستجوی سیاست گرادیان (Policy Gradient)
• 14. بازیگر-منتقد (Actor-Critic)
• 15. شبکه های عصبی عمیق در RL (Deep RL)
• 16. یادگیری عمیق تقویتی (DQN)
• 17. بازیگر-منتقد عمیق (A2C, A3C)
• 18. یادگیری تقویتی پراکنده (Off-policy RL)
• 19. یادگیری تقویتی پیوسته (Continuous Action Space RL)
• 20. مفاهیم اساسی MARL
• 21. عوامل متعدد
• 22. محیط های مشترک
• 23. استانداردسازی وظایف در MARL
• 24. چالش های MARL
• 25. ناهمگنی عوامل
• 26. عدم ایستایی محیط (Non-stationarity)
• 27. مقیاس پذیری (Scalability)
• 28. مشکل همگام سازی (Coordination Problem)
• 29. مشکل رقابت (Competition Problem)
• 30. انواع سیستم های MARL
• 31. MARL مبتنی بر ارزش (Value-based MARL)
• 32. MARL مبتنی بر سیاست (Policy-based MARL)
• 33. MARL ترکیبی (Hybrid MARL)
• 34. MARL با ارتباطات (Communication in MARL)
• 35. MARL با مشاهده محدود (Partial Observability in MARL)
• 36. MARL با مشاهدات مشترک (Shared Observations in MARL)
• 37. MARL با مشاهدات مجزا (Decentralized Observations in MARL)
• 38. MARL با مدل محیط (Model-based MARL)
• 39. MARL بدون مدل محیط (Model-free MARL)
• 40. الگوریتم های MARL محبوب
• 41. VDN (Value Decomposition Networks)
• 42. QMIX (Q-Learning for Multi-Agent Systems)
• 43. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 44. COMA (Counterfactual Multi-Agent Policy Gradients)
• 45. MAPPO (Multi-Agent Proximal Policy Optimization)
• 46. IQL (Independent Q-Learning)
• 47. MATE (Multi-Agent Training Environment)
• 48. MARL در بازی های ورق: معرفی
• 49. چرا بازی های ورق برای MARL مناسب هستند؟
• 50. پیچیدگی بازی های ورق
• 51. استراتژی های پنهان
• 52. تصمیم گیری در شرایط عدم قطعیت
• 53. اطلاعات ناقص
• 54. بازی های ورق محبوب برای تحقیق MARL
• 55. پوکر (Poker)
• 56. بریج (Bridge)
• 57. بلک جک (Blackjack)
• 58. تتس (Tichu)
• 59. کانکر (Canasta)
• 60. مراحل ساخت سیستم تصمیم گیری خودکار در بازی ورق با MARL
• 61. تعریف مسئله و انتخاب بازی ورق
• 62. جمع آوری یا تولید داده های بازی
• 63. پیش پردازش داده ها
• 64. مهندسی ویژگی (Feature Engineering)
• 65. نمایش وضعیت (State Representation)
• 66. نمایش اقدام (Action Representation)
• 67. طراحی معماری عامل (Agent Architecture)
• 68. انتخاب الگوریتم MARL مناسب
• 69. پیاده سازی الگوریتم MARL
• 70. آموزش عامل (Training the Agent)
• 71. تنظیم پارامترها (Hyperparameter Tuning)
• 72. ارزیابی عملکرد عامل
• 73. بهبود عامل و تکرار فرآیند
• 74. پیاده سازی جزئیات برای بازی پوکر
• 75. نمایش وضعیت در پوکر (تعداد کارت ها، ارزش کارت ها، شرط ها)
• 76. نمایش اقدام در پوکر (Fold, Call, Raise)
• 77. طراحی عامل برای پوکر (استفاده از Deep RL)
• 78. آموزش عامل پوکر در برابر حریفان مختلف
• 79. ارزیابی عامل پوکر (Win Rate, Expected Value)
• 80. پیاده سازی جزئیات برای بازی بریج
• 81. نمایش وضعیت در بریج (کارت های در دست، کارت های بازی شده، پیشنهادها)
• 82. نمایش اقدام در بریج (پیشنهاد، بازی کارت)
• 83. طراحی عامل برای بریج (نیاز به همکاری)
• 84. آموزش عامل بریج در تیم های مختلف
• 85. ارزیابی عامل بریج (امتیازات، تطابق با استراتژی های انسانی)
• 86. پیاده سازی جزئیات برای بازی بلک جک
• 87. نمایش وضعیت در بلک جک (مجموع کارت ها، کارت رو شده دیلر)
• 88. نمایش اقدام در بلک جک (Hit, Stand, Double Down, Split)
• 89. طراحی عامل برای بلک جک (کاربرد Q-Learning)
• 90. آموزش عامل بلک جک در برابر دیلر
• 91. ارزیابی عامل بلک جک (Win Rate, House Edge)
• 92. ابزارها و فریمورک های مفید
• 93. OpenAI Gym / Gymnasium
• 94. PettingZoo
• 95. RLlib
• 96. Stable Baselines3
• 97. PyTorch / TensorFlow
• 98. نکات مهم در ساخت سیستم های MARL
• 99. مدیریت داده های آموزشی
• 100. پیشگیری از بیش برازش (Overfitting)