فلش‌کارت‌های آموزشی غلبه بر ناپایداری محیطی در یادگیری تقویتی چندعامله

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب غلبه بر ناپایداری محیطی در یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: ناسازگاری دینامیکی (Non-stationarity)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. اصول یادگیری تقویتی چندعامله
• 2. مقدمه ای بر یادگیری تقویتی
• 3. مقدمه ای بر یادگیری تقویتی چندعامله
• 4. چالش ناپایداری محیطی
• 5. تعریف ناپایداری محیطی
• 6. انواع ناپایداری محیطی
• 7. ناپایداری در دینامیک محیط
• 8. ناپایداری در تابع پاداش
• 9. ناپایداری در فضای عمل
• 10. ناپایداری در فضای مشاهده
• 11. ناپایداری در تعداد عامل ها
• 12. ناپایداری در اهداف عامل ها
• 13. تأثیر ناپایداری بر یادگیری
• 14. تأثیر بر همگرایی الگوریتم ها
• 15. تأثیر بر عملکرد عامل ها
• 16. تأثیر بر پایداری سیستم
• 17. رویکردهای کلی برای مقابله با ناپایداری
• 18. شناسایی ناپایداری
• 19. انطباق با ناپایداری
• 20. مقاومت در برابر ناپایداری
• 21. استراتژی های مبتنی بر مدل
• 22. مدل سازی دینامیک محیط
• 23. یادگیری مدل محیط
• 24. استفاده از مدل برای پیش بینی
• 25. استفاده از مدل برای برنامه ریزی
• 26. مدل سازی دینامیک متغیر
• 27. مدل سازی پاداش متغیر
• 28. استراتژی های بدون مدل
• 29. یادگیری جدول پاداش
• 30. یادگیری تابع ارزش
• 31. یادگیری سیاست
• 32. تقویت کننده های یادگیری عمیق
• 33. شبکه های عصبی برای یادگیری سیاست
• 34. شبکه های عصبی برای یادگیری ارزش
• 35. یادگیری تقویتی عمیق چندعامله
• 36. نکات کلیدی در طراحی الگوریتم های چندعامله
• 37. مدل های متمرکز در مقابل مدل های توزیع شده
• 38. یادگیری متمرکز
• 39. یادگیری توزیع شده
• 40. یادگیری نیمه متمرکز
• 41. مدل های مبتنی بر عامل
• 42. یادگیری سیاست مشترک
• 43. یادگیری سیاست مستقل
• 44. یادگیری سیاست نیمه مستقل
• 45. هماهنگی عامل ها
• 46. روش های مبتنی بر ارتباطات
• 47. ارتباطات صریح
• 48. ارتباطات ضمنی
• 49. یادگیری مدل ارتباطات
• 50. یادگیری مبادله پیام
• 51. روش های مبتنی بر هماهنگی مرکزی
• 52. هماهنگ کننده های مرکزی
• 53. یادگیری سیاست هماهنگ شده
• 54. روش های مبتنی بر ساختار
• 55. ساختار گراف عامل ها
• 56. یادگیری مبتنی بر گراف
• 57. شبکه های عصبی گراف
• 58. تکنیک های انطباق
• 59. یادگیری تطبیقی
• 60. تنظیم پارامترها
• 61. تنظیم نرخ یادگیری
• 62. تنظیم نرخ اکتشاف
• 63. انطباق با تغییرات پاداش
• 64. انطباق با تغییرات دینامیک
• 65. انطباق با تغییرات محیط
• 66. یادگیری افزایشی
• 67. یادگیری پیوسته
• 68. یادگیری با انتقال
• 69. یادگیری انتقال در عامل های منفرد
• 70. یادگیری انتقال در عامل های چندگانه
• 71. انتقال دانش بین عامل ها
• 72. انتقال سیاست بین عامل ها
• 73. تکنیک های مقاوم سازی
• 74. مقاومت در برابر اغتشاش
• 75. مقاومت در برابر نویز
• 76. مقاومت در برابر حملات
• 77. مقاومت در برابر تغییرات ناگهانی
• 78. روش های مبتنی بر عدم قطعیت
• 79. تخمین عدم قطعیت
• 80. استفاده از عدم قطعیت برای اکتشاف
• 81. یادگیری تقویتی بیزی
• 82. مدل های بیزی برای عامل های چندگانه
• 83. روش های مبتنی بر بازی
• 84. مفاهیم نظریه بازی ها
• 85. بازی های تکراری
• 86. تعادل نش
• 87. استفاده از نظریه بازی ها در یادگیری چندعامله
• 88. یادگیری مبتنی بر بازی
• 89. روش های مبتنی بر یادگیری تقویتی از طریق تقلید
• 90. یادگیری از طریق مشاهده
• 91. یادگیری از طریق رفتار متخصص
• 92. یادگیری تقلیدی در عامل های چندگانه
• 93. ملاحظات عملی
• 94. پیاده سازی الگوریتم ها
• 95. انتخاب محیط های آزمایشی
• 96. ارزیابی عملکرد
• 97. معیارهای ارزیابی
• 98. مقایسه با روش های پایه
• 99. مطالعات موردی
• 100. کاربردها در رباتیک