فلش‌کارت‌های آموزشی راهنمای جامع پیاده‌سازی عامل‌های رقابتی در MARL

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب راهنمای جامع پیاده‌سازی عامل‌های رقابتی در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: رقابت (Competitive MARL)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چند عامله (MARL)
• 2. مفاهیم کلیدی در MARL
• 3. چالش های اصلی در MARL
• 4. انواع محیط های MARL
• 5. معماری های MARL
• 6. معماری های عامل محور در MARL
• 7. معماری های محیط محور در MARL
• 8. معماری های مبتنی بر ناظر در MARL
• 9. معماری های مبتنی بر عامل مستقل در MARL
• 10. معماری های مبتنی بر عامل مرکزی در MARL
• 11. معماری های ترکیبی در MARL
• 12. مدل های بازی در MARL
• 13. بازی های همزمان
• 14. بازی های متوالی
• 15. بازی های با اطلاعات کامل
• 16. بازی های با اطلاعات ناقص
• 17. بازی های با اطلاعات نامتقارن
• 18. بازی های تکراری
• 19. بازی های با مجموع صفر
• 20. بازی های با مجموع غیر صفر
• 21. مفهوم تعادل در بازی ها
• 22. تعادل نش
• 23. تعادل بینه
• 24. تعادل استراتژی خالص
• 25. تعادل استراتژی مختلط
• 26. الگوریتم های یادگیری عامل مستقل (Independent Learners)
• 27. یادگیری Q مستقل (IQL)
• 28. یادگیری سیاست مستقل (IPL)
• 29. یادگیری مبتنی بر ارزش مستقل (IVL)
• 30. نقاط قوت و ضعف یادگیری مستقل
• 31. الگوریتم های یادگیری عامل مرکزی (Centralized Learners)
• 32. یادگیری Q مرکزی (CQL)
• 33. یادگیری سیاست مرکزی (CPL)
• 34. یادگیری مبتنی بر ارزش مرکزی (CVL)
• 35. نقاط قوت و ضعف یادگیری مرکزی
• 36. الگوریتم های یادگیری عامل مرکزی-محیطی (Centralized Training with Decentralized Execution - CTDE)
• 37. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 38. VDN (Value Decomposition Networks)
• 39. QMIX (Q-learning for Multi-Agent Mixed Cooperative-Competitive Environments)
• 40. QTRAN (Q-Transformer)
• 41. COMA (Counterfactual Multi-Agent Policy Gradient)
• 42. MAPPO (Multi-Agent Proximal Policy Optimization)
• 43. نقاط قوت و ضعف CTDE
• 44. مدل های ارتباطی در MARL
• 45. ارتباط صریح
• 46. ارتباط ضمنی
• 47. ارتباط مبتنی بر پیام
• 48. ارتباط مبتنی بر مشاهده
• 49. مکانیزم های توجه (Attention Mechanisms) در ارتباط
• 50. شبکه های ارتباطی مبتنی بر یادگیری عمیق
• 51. مفهوم همکاری در MARL
• 52. استراتژی های همکاری
• 53. هماهنگی در عامل ها
• 54. تقسیم وظایف
• 55. مدل های اشتراک گذاری اطلاعات
• 56. مفهوم رقابت در MARL
• 57. استراتژی های رقابتی
• 58. مدل سازی حریف
• 59. پیش بینی حرکات حریف
• 60. استراتژی های ضد بازی
• 61. مفهوم رقابت-همکاری (Mixed Cooperative-Competitive) در MARL
• 62. چالش های محیط های مختلط
• 63. طراحی توابع پاداش در محیط های مختلط
• 64. الگوریتم های یادگیری عامل های مختلط
• 65. مدل های مبتنی بر شبیه سازی حریف (Adversarial Simulation)
• 66. مدل های مبتنی بر یادگیری بازی (Game Theory Learning)
• 67. مدل های مبتنی بر یادگیری سیاست (Policy Learning)
• 68. مفهوم عامل های خصمانه (Adversarial Agents)
• 69. طراحی عامل های خصمانه
• 70. ارزیابی عامل های خصمانه
• 71. کاربرد عامل های خصمانه در تست و ارزیابی
• 72. مفهوم عامل های دفاعی (Defensive Agents)
• 73. طراحی عامل های دفاعی
• 74. استراتژی های دفاعی
• 75. کاربرد عامل های دفاعی در امنیت
• 76. مفهوم عامل های شبیه سازی کننده (Simulator Agents)
• 77. طراحی عامل های شبیه سازی کننده
• 78. نقش عامل های شبیه سازی کننده در تست و آموزش
• 79. مدل های یادگیری تقویتی عمیق برای MARL
• 80. شبکه های عصبی کانولوشنی (CNNs) در MARL
• 81. شبکه های عصبی بازگشتی (RNNs) در MARL
• 82. شبکه های عصبی ترنسفورمر (Transformers) در MARL
• 83. مدل های مولد (Generative Models) در MARL
• 84. یادگیری تقویتی با پاداش های پراکنده (Sparse Rewards) در MARL
• 85. تکنیک های افزایش پاداش (Reward Shaping)
• 86. تکنیک های یادگیری مبتنی بر تجربه (Experience Replay)
• 87. تکنیک های یادگیری مبتنی بر مدل (Model-Based Learning)
• 88. یادگیری از طریق مشاهده (Imitation Learning) در MARL
• 89. یادگیری از طریق تقلید (Apprenticeship Learning)
• 90. یادگیری از طریق انتقال (Transfer Learning) در MARL
• 91. یادگیری از طریق تنظیم دقیق (Fine-tuning)
• 92. یادگیری از طریق انتقال دانش (Knowledge Transfer)
• 93. مفهوم عامل های خودآموز (Self-Learning Agents)
• 94. طراحی محیط های خودآموز
• 95. ارزیابی عامل های خودآموز
• 96. کاربرد عامل های خودآموز در رباتیک
• 97. مفهوم عامل های با قابلیت تعمیم (Generalizable Agents)
• 98. طراحی عامل های با قابلیت تعمیم
• 99. ارزیابی عامل های با قابلیت تعمیم
• 100. کاربرد عامل های با قابلیت تعمیم در محیط های پویا