فلش‌کارت‌های آموزشی یادگیری تقویتی چندعامله در مواجهه با عدم قطعیت در مدیریت اطلاعات پروژه

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری تقویتی چندعامله در مواجهه با عدم قطعیت در مدیریت اطلاعات پروژه

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت اطلاعات پروژه

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چندعامله
• 2. مقدمه ای بر مدیریت اطلاعات پروژه
• 3. عدم قطعیت در مدیریت اطلاعات پروژه
• 4. مروری بر چالش های مدیریت اطلاعات پروژه
• 5. مروری بر انواع عدم قطعیت در مدیریت اطلاعات پروژه
• 6. مروری بر رویکردهای سنتی مدیریت اطلاعات پروژه
• 7. نقش هوش مصنوعی در مدیریت اطلاعات پروژه
• 8. مقدمه ای بر یادگیری ماشین
• 9. یادگیری تحت نظارت
• 10. یادگیری بدون نظارت
• 11. یادگیری تقویتی
• 12. مفاهیم پایه یادگیری تقویتی
• 13. عامل، محیط، حالت، عمل، پاداش
• 14. فرآیند تصمیم گیری مارکوف (MDP)
• 15. تابع ارزش
• 16. سیاست
• 17. الگوریتم های یادگیری تقویتی
• 18. یادگیری Q (Q-Learning)
• 19. یادگیری Q عمیق (Deep Q-Learning - DQN)
• 20. یادگیری سیاست گرادیان (Policy Gradient)
• 21. الگوریتم Actor-Critic
• 22. مقدمه ای بر یادگیری تقویتی چندعامله (MARL)
• 23. تفاوت MARL با RL تک عامله
• 24. چالش های MARL
• 25. هماهنگی و رقابت بین عامل ها
• 26. عدم ایستایی محیط از دید عامل ها
• 27. پیچیدگی حالت-عمل
• 28. انواع محیط های MARL
• 29. محیط های مشترک (Common Pool)
• 30. محیط های رقابتی (Competitive)
• 31. محیط های مختلط (Mixed)
• 32. محیط های همکاری (Cooperative)
• 33. مقدمه ای بر عدم قطعیت
• 34. انواع عدم قطعیت
• 35. عدم قطعیت اپیستمیک (ناشناخت)
• 36. عدم قطعیت استوکاستیک (تصادفی)
• 37. عدم قطعیت های ناشی از داده ها
• 38. عدم قطعیت های ناشی از مدل ها
• 39. عدم قطعیت های ناشی از محیط
• 40. عدم قطعیت در مدیریت اطلاعات پروژه
• 41. عدم قطعیت در الزامات پروژه
• 42. عدم قطعیت در تخمین ها (زمان، هزینه، منابع)
• 43. عدم قطعیت در وابستگی ها
• 44. عدم قطعیت در ریسک ها
• 45. عدم قطعیت در کیفیت اطلاعات
• 46. عدم قطعیت در دسترسی به اطلاعات
• 47. عدم قطعیت در تغییرات محیطی
• 48. عدم قطعیت در رفتار ذینفعان
• 49. مدل سازی عدم قطعیت در مدیریت اطلاعات پروژه
• 50. روش های بیزی
• 51. شبکه های بیزی
• 52. فیلتر کالمن
• 53. مدل های احتمالی
• 54. مدل های فازی
• 55. مدل های شبیه سازی
• 56. کاربرد MARL در مدیریت اطلاعات پروژه
• 57. مدیریت ریسک در پروژه ها با استفاده از MARL
• 58. تخصیص منابع در پروژه ها با استفاده از MARL
• 59. برنامه ریزی پروژه با استفاده از MARL
• 60. زمان بندی پروژه با استفاده از MARL
• 61. کنترل کیفیت اطلاعات در پروژه ها با استفاده از MARL
• 62. مدیریت ارتباطات در پروژه ها با استفاده از MARL
• 63. مدیریت تغییرات در پروژه ها با استفاده از MARL
• 64. مدیریت ذینفعان در پروژه ها با استفاده از MARL
• 65. تشخیص ناهنجاری در اطلاعات پروژه با استفاده از MARL
• 66. پیش بینی وضعیت پروژه با استفاده از MARL
• 67. بهینه سازی فرآیندهای پروژه با استفاده از MARL
• 68. رویکردهای MARL برای مواجهه با عدم قطعیت
• 69. MARL مقاوم (Robust MARL)
• 70. MARL بیزی (Bayesian MARL)
• 71. MARL با مدل سازی عدم قطعیت صریح
• 72. MARL با یادگیری سیاست های مقاوم
• 73. MARL با یادگیری تابع ارزش مقاوم
• 74. MARL با استفاده از مدل های عدم قطعیت پویا
• 75. MARL با تکنیک های اکتشاف هوشمند
• 76. MARL با یادگیری از تجربیات شبیه سازی شده
• 77. MARL با یادگیری از داده های واقعی
• 78. الگوریتم های MARL برای مواجهه با عدم قطعیت
• 79. Deep Deterministic Policy Gradient (DDPG) در محیط های نامشخص
• 80. Proximal Policy Optimization (PPO) با اصلاحات برای عدم قطعیت
• 81. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 82. QMIX برای محیط های همکاری با عدم قطعیت
• 83. VDN (Value Decomposition Networks) با رویکردهای مقاوم
• 84. IQL (Independent Q-Learning) با مکانیزم های مدیریت عدم قطعیت
• 85. شبیه سازی محیط مدیریت اطلاعات پروژه با عدم قطعیت
• 86. طراحی عامل ها در محیط شبیه سازی شده
• 87. تعریف حالت، عمل و پاداش برای عامل ها
• 88. تزریق عدم قطعیت در محیط شبیه سازی شده
• 89. ارزیابی عملکرد عامل ها در مواجهه با عدم قطعیت
• 90. معیارهای ارزیابی عملکرد در MARL
• 91. معیارهای ارزیابی در مواجهه با عدم قطعیت
• 92. مطالعات موردی کاربرد MARL در مدیریت اطلاعات پروژه
• 93. مثال اول: مدیریت ریسک در پروژه های ساخت و ساز
• 94. مثال دوم: تخصیص پویا منابع در پروژه های توسعه نرم افزار
• 95. مثال سوم: مدیریت اطلاعات در پروژه های تحقیقاتی پیچیده
• 96. چالش های پیاده سازی MARL در دنیای واقعی
• 97. تفسیرپذیری مدل های MARL
• 98. مقیاس پذیری الگوریتم های MARL
• 99. نیاز به داده های فراوان
• 100. تغییرات مداوم در محیط پروژه