فلش‌کارت‌های آموزشی ارزیابی جامع و کاربردی مدل‌های یادگیری تقویتی چندعامله

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ارزیابی جامع و کاربردی مدل‌های یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: ارزیابی مدل‌های MARL

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه و مفاهیم پایه
• 2. مقدمه ای بر یادگیری تقویتی چند عامله (MARL)
• 3. تفاوت MARL با یادگیری تقویتی تک عامله
• 4. کاربردها و اهمیت MARL
• 5. چالش های کلیدی در MARL
• 6. محیط های چند عامله
• 7. تعریف عامل ها و محیط
• 8. فضای حالت و فضای عمل
• 9. تابع پاداش و تابع انتقال حالت
• 10. مدل های محیطی (قطعی، احتمالی)
• 11. تعریف انواع محیط های چند عامله (همکارانه، رقابتی، مختلط)
• 12. مدل های عامل ها
• 13. مدل های تصمیم گیری عامل ها
• 14. سیاست ها (Policy)
• 15. تابع ارزش (Value Function)
• 16. مدل های یادگیری agent-based
• 17. شناخت و مدل سازی عامل های دیگر
• 18. انواع مدل های عامل در MARL ( مستقل، مشترک، متمرکز)
• 19. مفاهیم اصلی در MARL
• 20. تعادل نش (Nash Equilibrium)
• 21. تعادل پرت-نش (Proper Nash Equilibrium)
• 22. تعادل کارایی-نش (Correlated Equilibrium)
• 23. پایدارسازی تعادل ها
• 24. کارایی عامل ها در محیط های چند عامله
• 25. معیارهای ارزیابی عملکرد در MARL
• 26. پایداری سیاست ها
• 27. انطباق پذیری عامل ها
• 28. قابلیت اطمینان عامل ها
• 29. تکنیک های یادگیری در MARL
• 30. یادگیری تقویتی مستقل (Independent Reinforcement Learning - IRL)
• 31. مزایا و معایب IRL
• 32. الگوریتم های پایه IRL (Q-Learning, SARSA)
• 33. تکنیک های بهبود IRL (مانند استفاده از تجمیع پاداش)
• 34. یادگیری تقویتی متمرکز (Centralized Reinforcement Learning - CRL)
• 35. مزایا و معایب CRL
• 36. یادگیری تقویتی متمرکز-عمومی (Centralized Training, Decentralized Execution - CTDE)
• 37. انواع معماری های CTDE
• 38. استفاده از عامل مرکزی برای آموزش
• 39. تکنیک های یادگیری در CTDE
• 40. مدل های مبتنی بر عامل (Agent-based Models)
• 41. مدل های عامل های هوشمند
• 42. مدل های عامل های با منطق فازی
• 43. مدل های عامل های مبتنی بر شبکه عصبی
• 44. یادگیری عمیق در MARL
• 45. شبکه های عصبی کانولوشنال (CNN) در MARL
• 46. شبکه های عصبی بازگشتی (RNN) در MARL
• 47. شبکه های عصبی ترانسفورمر (Transformer) در MARL
• 48. معماری های یادگیری عمیق برای MARL
• 49. Deep Q-Networks (DQN) در MARL
• 50. Policy Gradient Methods در MARL
• 51. Actor-Critic Methods در MARL
• 52. مدل های مبتنی بر بازی (Game Theory Based Models)
• 53. بازی های صفر و یک (Zero-Sum Games)
• 54. بازی های غیر صفر و یک (Non-Zero-Sum Games)
• 55. بازی های استراتژیک (Strategic Games)
• 56. مدل های مبتنی بر تعادل بازی ها
• 57. استفاده از نظریه بازی ها برای طراحی سیاست ها
• 58. استراتژی های مبتنی بر بلوف (Bluffing) و فریب (Deception)
• 59. مدل های ارتباطی در MARL
• 60. ارتباطات صریح (Explicit Communication)
• 61. ارتباطات ضمنی (Implicit Communication)
• 62. یادگیری پروتکل های ارتباطی
• 63. مدل های مبتنی بر زبان (Language-based Models)
• 64. مدل های مبتنی بر سیگنال دهی (Signaling Models)
• 65. مدل های تعاملی (Interaction Models)
• 66. مدل های مبتنی بر همکاری (Cooperative MARL)
• 67. یادگیری مشترک (Joint Learning)
• 68. یادگیری مبتنی بر اشتراک گذاری اطلاعات
• 69. مدل های مبتنی بر پاداش مشترک (Shared Reward)
• 70. مدل های مبتنی بر تخصیص پاداش (Reward Allocation)
• 71. مدل های مبتنی بر رقابت (Competitive MARL)
• 72. بازی های دو عامله (Two-Agent Games)
• 73. بازی های چند عامله رقابتی
• 74. استراتژی های مبتنی بر تهاجم (Aggression) و دفاع (Defense)
• 75. مدل های مبتنی بر پاداش رقابتی
• 76. مدل های مختلط (Mixed MARL)
• 77. ترکیب اهداف همکارانه و رقابتی
• 78. مدل های مبتنی بر مذاکره (Negotiation Models)
• 79. مدل های مبتنی بر توازن منافع (Interest Balancing)
• 80. مدل های مبتنی بر حل تعارض (Conflict Resolution)
• 81. مدل های مقیاس پذیری در MARL
• 82. چالش های مقیاس پذیری با افزایش تعداد عامل ها
• 83. تکنیک های مقیاس پذیری (مانند تجمیع، انتزاع)
• 84. معماری های سلسله مراتبی (Hierarchical Architectures)
• 85. مدل های مبتنی بر عامل های ماژولار (Modular Agents)
• 86. مدل های مبتنی بر یادگیری توزیع شده (Distributed Learning)
• 87. مدل های مبتنی بر یادگیری تقویتی چند عامله قابل تفسیر (Interpretable MARL)
• 88. اهمیت تفسیرپذیری در MARL
• 89. تکنیک های تولید سیاست های قابل تفسیر
• 90. روش های بصری سازی در MARL
• 91. تحلیل رفتار عامل ها
• 92. تحلیل تعاملات عامل ها
• 93. تکنیک های ارزیابی و مقایسه مدل ها
• 94. معیارهای کمی ارزیابی (مانند میانگین پاداش، نرخ موفقیت)
• 95. معیارهای کیفی ارزیابی (مانند پایداری، انطباق پذیری)
• 96. روش های شبیه سازی (Simulation Methods)
• 97. آزمایشات میدانی (Field Experiments)
• 98. اعتبارسنجی مدل ها
• 99. ارزیابی robustness مدل ها
• 100. حساسیت به پارامترها