فلش‌کارت‌های آموزشی بهینه‌سازی زنجیره تامین کالا با رویکرد یادگیری تقویتی چندعامله

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی زنجیره تامین کالا با رویکرد یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت اطلاعات سرمایه‌گذاری در کالاهای اساسی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر بهینه‌سازی زنجیره تامین
• 2. مقدمه ای بر یادگیری تقویتی
• 3. مقدمه ای بر یادگیری تقویتی چندعامله
• 4. مفاهیم کلیدی در زنجیره تامین
• 5. انواع زنجیره تامین
• 6. چالش های رایج در زنجیره تامین
• 7. مدل سازی زنجیره تامین
• 8. اهداف بهینه‌سازی زنجیره تامین
• 9. معیارهای کلیدی عملکرد در زنجیره تامین
• 10. مقدمه ای بر عامل ها در یادگیری تقویتی
• 11. محیط در یادگیری تقویتی
• 12. حالت در یادگیری تقویتی
• 13. عمل در یادگیری تقویتی
• 14. پاداش در یادگیری تقویتی
• 15. سیاست در یادگیری تقویتی
• 16. تابع ارزش در یادگیری تقویتی
• 17. الگوریتم های یادگیری تقویتی تک عامله
• 18. Q-Learning
• 19. Deep Q-Networks (DQN)
• 20. Policy Gradients
• 21. Actor-Critic methods
• 22. محدودیت های یادگیری تقویتی تک عامله در زنجیره تامین
• 23. مقدمه ای بر یادگیری تقویته چندعامله (MARL)
• 24. مفاهیم کلیدی در MARL
• 25. انواع محیط های MARL
• 26. انواع عامل ها در MARL
• 27. ارتباط بین عامل ها در MARL
• 28. همکاری در MARL
• 29. رقابت در MARL
• 30. ترکیبی از همکاری و رقابت در MARL
• 31. چالش های MARL
• 32. مدل سازی زنجیره تامین با رویکرد MARL
• 33. تعریف عامل ها در زنجیره تامین
• 34. تعریف محیط زنجیره تامین برای عامل ها
• 35. تعریف حالت برای هر عامل در زنجیره تامین
• 36. تعریف اعمال قابل انجام توسط هر عامل
• 37. طراحی تابع پاداش برای عامل ها در زنجیره تامین
• 38. تعریف سیاست ها برای عامل ها
• 39. استفاده از الگوریتم های MARL در بهینه‌سازی زنجیره تامین
• 40. الگوریتم های مبتنی بر ارزش در MARL
• 41. الگوریتم های مبتنی بر سیاست در MARL
• 42. الگوریتم های Actor-Critic در MARL
• 43. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 44. COMA (Counterfactual Multi-Agent Policy Gradients)
• 45. VDN (Value Decomposition Networks)
• 46. QMIX (Q-learning for Multi-Agent Systems)
• 47. ILQL (Independent Learners Q-Learning)
• 48. IQL (Independent Q-Learning)
• 49. IADD (Independent Actor-Critic with Deterministic policy)
• 50. IAPR (Independent Actor-Critic with Randomized policy)
• 51. MADRL (Multi-Agent Deep Reinforcement Learning)
• 52. DDPG (Deep Deterministic Policy Gradient)
• 53. A3C (Asynchronous Advantage Actor-Critic)
• 54. PPO (Proximal Policy Optimization)
• 55. TRPO (Trust Region Policy Optimization)
• 56. SAC (Soft Actor-Critic)
• 57. کاربرد MARL در بخش های مختلف زنجیره تامین
• 58. بهینه‌سازی موجودی با MARL
• 59. مدیریت انبار با MARL
• 60. بهینه‌سازی حمل و نقل با MARL
• 61. برنامه ریزی تولید با MARL
• 62. مدیریت تقاضا با MARL
• 63. مدیریت تامین کنندگان با MARL
• 64. مدیریت ریسک در زنجیره تامین با MARL
• 65. تصمیم گیری در شرایط عدم قطعیت با MARL
• 66. همکاری بین شرکای زنجیره تامین با MARL
• 67. مقیاس پذیری MARL در زنجیره تامین
• 68. پیاده سازی MARL در سیستم های واقعی زنجیره تامین
• 69. ابزارها و چارچوب های MARL
• 70. TensorFlow Agents
• 71. PyMARL
• 72. OpenSpiel
• 73. RLlib
• 74. شبیه سازی زنجیره تامین برای MARL
• 75. طراحی سناریوهای شبیه سازی
• 76. ارزیابی عملکرد عامل ها
• 77. تحلیل نتایج شبیه سازی
• 78. اعتبارسنجی مدل های MARL
• 79. مطالعات موردی (Case Studies) در بهینه‌سازی زنجیره تامین با MARL
• 80. تکنیک های پیشرفته در MARL برای زنجیره تامین
• 81. یادگیری انتقالی (Transfer Learning) در MARL برای زنجیره تامین
• 82. یادگیری چندوظیفه ای (Multi-Task Learning) در MARL برای زنجیره تامین
• 83. یادگیری افزایشی (Incremental Learning) در MARL برای زنجیره تامین
• 84. یادگیری خودنظارتی (Self-Supervised Learning) در MARL برای زنجیره تامین
• 85. یادگیری با پاداش مصنوعی (Reward Shaping) در MARL
• 86. یادگیری از طریق ارتباطات (Communication Learning) بین عامل ها
• 87. یادگیری مبتنی بر مدل (Model-Based MARL)
• 88. یادگیری بدون مدل (Model-Free MARL)
• 89. تفسیرپذیری (Interpretability) در MARL
• 90. اخلاق در MARL برای زنجیره تامین
• 91. آینده MARL در بهینه‌سازی زنجیره تامین
• 92. مروری بر آخرین تحقیقات در MARL برای زنجیره تامین
• 93. چالش های باز و جهت گیری های تحقیقاتی آینده
• 94. جمع بندی و نتیجه گیری