فلش‌کارت‌های آموزشی مباحث پیشرفته در طراحی الگوریتم‌های یادگیری تقویتی چندعامله

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مباحث پیشرفته در طراحی الگوریتم‌های یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: الگوریتم‌های MARL

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمات یادگیری تقویتی چندعامله
• 2. مبانی یادگیری تقویتی
• 3. مبانی یادگیری ماشین
• 4. مبانی نظریه بازی‌ها
• 5. مبانی هوش مصنوعی
• 6. مقدمه بر عامل‌های هوشمند
• 7. مفهوم محیط و عامل
• 8. تابع پاداش
• 9. تابع ارزش
• 10. استراتژی (سیاست)
• 11. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 12. مدل‌های خطی مارکوف (LDP)
• 13. فرآیندهای تصمیم‌گیری نیمه مارکوف (Semi-MDP)
• 14. حالات و عملگرهای ناپیوسته
• 15. حالات و عملگرهای پیوسته
• 16. فضاهای حالت با ابعاد بالا
• 17. فضاهای عمل با ابعاد بالا
• 18. محیط‌های پویا
• 19. محیط‌های ایستا
• 20. محیط‌های نیمه پویا
• 21. محیط‌های تصادفی
• 22. محیط‌های قطعی
• 23. یادگیری تقویتی تک عامله
• 24. روش‌های ارزش‌گذاری
• 25. یادگیری مبتنی بر جدول (Tabular Methods)
• 26. Q-Learning
• 27. SARSA
• 28. Deep Q-Networks (DQN)
• 29. Double DQN
• 30. Dueling DQN
• 31. Prioritized Experience Replay
• 32. Rainbow DQN
• 33. روش‌های مبتنی بر مدل (Model-Based Methods)
• 34. Dynamic Programming
• 35. Value Iteration
• 36. Policy Iteration
• 37. Model Learning
• 38. Model Predictive Control (MPC)
• 39. روش‌های مبتنی بر گرادیان سیاست (Policy Gradient Methods)
• 40. REINFORCE
• 41. Actor-Critic Methods
• 42. A2C (Advantage Actor-Critic)
• 43. A3C (Asynchronous Advantage Actor-Critic)
• 44. TRPO (Trust Region Policy Optimization)
• 45. PPO (Proximal Policy Optimization)
• 46. SAC (Soft Actor-Critic)
• 47. DDPG (Deep Deterministic Policy Gradient)
• 48. TD3 (Twin Delayed Deep Deterministic Policy Gradient)
• 49. یادگیری تقویتی چندعامله (MARL)
• 50. چالش‌های MARL
• 51. همکاری (Cooperation)
• 52. رقابت (Competition)
• 53. مختلط (Mixed)
• 54. حالت‌های مشترک (Joint States)
• 55. عمل‌های مشترک (Joint Actions)
• 56. پاداش‌های مشترک (Joint Rewards)
• 57. پاداش‌های مجزا (Individual Rewards)
• 58. فضای حالت مشترک (Joint State Space)
• 59. فضای عمل مشترک (Joint Action Space)
• 60. هم‌تکامل (Co-evolution)
• 61. تکامل مشترک (Joint Evolution)
• 62. یادگیری سیاست‌های مشترک (Joint Policy Learning)
• 63. یادگیری سیاست‌های مجزا (Individual Policy Learning)
• 64. توازن نش (Nash Equilibrium)
• 65. توازن کورنو (Cournot Equilibrium)
• 66. توازن استاکلبرگ (Stackelberg Equilibrium)
• 67. توازن هابرت (Hubert Equilibrium)
• 68. توازن کامل (Perfect Equilibrium)
• 69. توازن زیربازی کامل (Subgame Perfect Equilibrium)
• 70. توازن بیز (Bayesian Equilibrium)
• 71. توازن بتای تطبیقی (Adaptive Beta Equilibrium)
• 72. توازن بتا (Beta Equilibrium)
• 73. توازن آلفا (Alpha Equilibrium)
• 74. توازن گاما (Gamma Equilibrium)
• 75. توازن دلتا (Delta Equilibrium)
• 76. توازن اپسیلون (Epsilon Equilibrium)
• 77. توازن موکد (Strong Equilibrium)
• 78. توازن ضعیف (Weak Equilibrium)
• 79. توازن ناپایدار (Unstable Equilibrium)
• 80. توازن پایدار (Stable Equilibrium)
• 81. توازن محلی (Local Equilibrium)
• 82. توازن سراسری (Global Equilibrium)
• 83. توازن خودسازگار (Self-Adaptive Equilibrium)
• 84. توازن تطبیقی (Adaptive Equilibrium)
• 85. توازن متغیر (Variable Equilibrium)
• 86. توازن پویا (Dynamic Equilibrium)
• 87. توازن ایستا (Static Equilibrium)
• 88. توازن استوار (Robust Equilibrium)
• 89. توازن تصادفی (Stochastic Equilibrium)
• 90. توازن قطعی (Deterministic Equilibrium)
• 91. توازن با عدم قطعیت (Equilibrium under Uncertainty)
• 92. توازن با اطلاعات ناقص (Equilibrium with Incomplete Information)
• 93. توازن با اطلاعات نامتقارن (Equilibrium with Asymmetric Information)
• 94. توازن با اطلاعات کامل (Equilibrium with Complete Information)
• 95. توازن با اطلاعات محدود (Equilibrium with Limited Information)
• 96. توازن با اطلاعات نامحدود (Equilibrium with Unlimited Information)
• 97. توازن با اطلاعات شخصی (Equilibrium with Personal Information)
• 98. توازن با اطلاعات گروهی (Equilibrium with Group Information)
• 99. توازن با اطلاعات عمومی (Equilibrium with Public Information)
• 100. توازن با اطلاعات خصوصی (Equilibrium with Private Information)