فلش‌کارت‌های آموزشی مدل‌سازی رفتار بازیکنان با یادگیری تقویتی چندعامله

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مدل‌سازی رفتار بازیکنان با یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای طراحی بازی‌های ویدئویی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چندعامله
• 2. مبانی یادگیری تقویتی
• 3. مفهوم عامل
• 4. فضای حالت
• 5. فضای عمل
• 6. تابع پاداش
• 7. سیاست عامل
• 8. تابع ارزش
• 9. الگوریتم‌های یادگیری تقویتی تک عامله
• 10. Q-Learning
• 11. SARSA
• 12. Policy Gradients
• 13. Actor-Critic
• 14. یادگیری تقویتی عمیق (Deep RL)
• 15. شبکه‌های عصبی در یادگیری تقویتی
• 16. Deep Q-Networks (DQN)
• 17. Policy Gradient Methods (PGMs)
• 18. Actor-Critic Methods (ACMs)
• 19. مفاهیم اساسی یادگیری تقویتی چندعامله (MARL)
• 20. تعریف MARL
• 21. تفاوت MARL با RL تک عامله
• 22. انواع محیط‌های MARL
• 23. همکاری (Cooperative)
• 24. رقابت (Competitive)
• 25. ترکیبی (Mixed)
• 26. چالش‌های MARL
• 27. غیر ایستا بودن محیط (Non-stationarity)
• 28. پدیده "تغییر سیاست" (Policy Shift)
• 29. مشکل مقیاس‌پذیری (Scalability)
• 30. کشف و اکتشاف (Exploration vs. Exploitation) در MARL
• 31. هماهنگی (Coordination)
• 32. ارتباط (Communication)
• 33. نظارت (Observation)
• 34. مدل‌سازی رفتار بازیکنان
• 35. اهمیت مدل‌سازی رفتار بازیکنان
• 36. انواع مدل‌های رفتار بازیکنان
• 37. مدل‌های مبتنی بر قانون (Rule-based Models)
• 38. مدل‌های مبتنی بر ماشین لرنینگ (ML-based Models)
• 39. مدل‌های مبتنی بر نظریه بازی‌ها (Game Theory-based Models)
• 40. مدل‌های مبتنی بر شبکه عصبی (Neural Network-based Models)
• 41. تکنیک‌های مدل‌سازی رفتار بازیکنان
• 42. تخمین سیاست (Policy Estimation)
• 43. تخمین تابع ارزش (Value Function Estimation)
• 44. استنتاج عامل پنهان (Hidden Agent Inference)
• 45. یادگیری مدل محیط (Learning the Environment Model)
• 46. مدل‌سازی بازیکنان با یادگیری تقویتی
• 47. رویکردهای پایه در MARL
• 48. Centralized Training, Decentralized Execution (CTDE)
• 49. Centralized Training, Centralized Execution (CTCE)
• 50. Decentralized Training, Decentralized Execution (DTDE)
• 51. الگوریتم‌های MARL کلیدی
• 52. Multi-Agent Q-Learning (MA Q-Learning)
• 53. Independent Q-Learning (IQL)
• 54. Value Decomposition Networks (VDN)
• 55. QMIX
• 56. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 57. COMA (Counterfactual Multi-Agent Policy Gradients)
• 58. MAPPO (Multi-Agent Proximal Policy Optimization)
• 59. اتصال مدل‌سازی رفتار بازیکنان و MARL
• 60. استفاده از مدل‌های رفتار بازیکنان برای بهبود MARL
• 61. استفاده از MARL برای ساخت مدل‌های رفتار بازیکنان
• 62. مدل‌سازی بازیکنان به عنوان عاملان MARL
• 63. مدل‌سازی محیط با در نظر گرفتن رفتار بازیکنان
• 64. یادگیری همزمان سیاست و مدل رفتار بازیکنان
• 65. تکنیک‌های پیشرفته در MARL برای مدل‌سازی رفتار
• 66. یادگیری ارتباط (Learning Communication)
• 67. نظارت مشترک (Joint Observation)
• 68. یادگیری مبتنی بر امتیاز (Score-based Learning)
• 69. یادگیری مبتنی بر هدف (Goal-based Learning)
• 70. یادگیری مبتنی بر نقش (Role-based Learning)
• 71. یادگیری مبتنی بر تعامل (Interaction-based Learning)
• 72. یادگیری مبتنی بر تقلید (Imitation Learning)
• 73. یادگیری تقویتی از طریق تقلید (Imitation RL)
• 74. یادگیری تقویتی از طریق مشاهده (Observational RL)
• 75. مدل‌سازی بازیکنان رقیب (Opponent Modeling)
• 76. مدل‌سازی همکاران (Teammate Modeling)
• 77. مدل‌سازی بازیکنان ناظر (Observer Modeling)
• 78. کاربردها و سناریوهای مدل‌سازی رفتار بازیکنان با MARL
• 79. بازی‌های کامپیوتری (مانند StarCraft, Dota 2)
• 80. رباتیک چند رباته
• 81. سیستم‌های توصیه‌گر چندعامله
• 82. شبکه‌های حمل و نقل هوشمند
• 83. بازارهای الکترونیکی
• 84. مدیریت منابع توزیع شده
• 85. شبیه‌سازی‌های اجتماعی
• 86. تحلیل و پیش‌بینی رفتار گروهی
• 87. پیاده‌سازی و ابزارها
• 88. چارچوب‌های MARL (مانند OpenAI Gym, PettingZoo, StarCraft II Learning Environment)
• 89. کتابخانه‌های یادگیری عمیق (TensorFlow, PyTorch)
• 90. شبیه‌سازهای بازی
• 91. ارزیابی مدل‌های رفتار بازیکنان با MARL
• 92. معیارهای ارزیابی
• 93. مقایسه با خطوط مبنا (Baselines)
• 94. تحلیل حساسیت
• 95. مطالعات موردی (Case Studies)
• 96. چالش‌های عملی و آینده
• 97. مقیاس‌پذیری در سناریوهای واقعی
• 98. قابلیت تفسیر (Interpretability) مدل‌ها
• 99. امنیت و استحکام (Robustness) مدل‌ها
• 100. یادگیری مداوم (Continual Learning) در MARL