فلش‌کارت‌های آموزشی کاربرد MARL در مدیریت هوشمند شبکه‌های حمل و نقل شهری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کاربرد MARL در مدیریت هوشمند شبکه‌های حمل و نقل شهری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس شهری با استفاده از داده‌های جمعی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه به شبکه‌های حمل و نقل شهری
• 2. مفاهیم پایه شبکه‌های حمل و نقل
• 3. مدل‌سازی شبکه‌های حمل و نقل شهری
• 4. انواع وسایل نقلیه در حمل و نقل شهری
• 5. فاکتورهای تاثیرگذار بر ترافیک شهری
• 6. چالش‌های مدیریت ترافیک شهری
• 7. مقدمه به هوش مصنوعی در حمل و نقل
• 8. مقدمه به یادگیری تقویتی (RL)
• 9. مبانی یادگیری تقویتی
• 10. عناصر کلیدی یادگیری تقویتی (عامل، محیط، حالت، عمل، پاداش)
• 11. انواع یادگیری تقویتی (مدل‌گرا، بدون مدل)
• 12. الگوریتم‌های یادگیری تقویتی (Q-Learning, SARSA, Deep Q-Networks)
• 13. مقدمه به یادگیری تقویتی چند عامله (MARL)
• 14. تفاوت RL و MARL
• 15. چالش‌های یادگیری تقویتی چند عامله
• 16. انواع محیط‌های MARL (همکارانه، رقابتی، مختلط)
• 17. مدل‌های ارتباطی در MARL
• 18. مدل‌های یادگیری در MARL (متمرکز، غیرمتمرکز، ترکیبی)
• 19. الگوریتم‌های کلیدی MARL (MADDPG, QMIX, COMA)
• 20. کاربرد MARL در بهینه‌سازی جریان ترافیک
• 21. کنترل چراغ‌های راهنمایی با MARL
• 22. بهینه‌سازی زمان‌بندی چراغ‌های راهنمایی
• 23. تطبیق زمان‌بندی چراغ‌های راهنمایی با شرایط ترافیک
• 24. مدیریت تقاطع‌های پیچیده با MARL
• 25. کاهش ازدحام در تقاطع‌ها
• 26. بهینه‌سازی عبور و مرور وسایل نقلیه اضطراری
• 27. کاربرد MARL در مدیریت ناوگان حمل و نقل عمومی
• 28. بهینه‌سازی مسیر اتوبوس‌ها
• 29. پیش‌بینی تقاضای مسافر برای اتوبوس‌ها
• 30. تخصیص منابع به ناوگان اتوبوس
• 31. مدیریت تاکسی‌ها و خدمات اشتراک خودرو با MARL
• 32. بهینه‌سازی مکان‌یابی تاکسی‌ها
• 33. تطبیق عرضه و تقاضا در خدمات اشتراک خودرو
• 34. مدیریت ناوگان دوچرخه‌های اشتراکی با MARL
• 35. کاربرد MARL در مدیریت پارکینگ
• 36. بهینه‌سازی تخصیص فضاهای پارکینگ
• 37. هدایت وسایل نقلیه به فضاهای خالی پارکینگ
• 38. پیش‌بینی اشغال پارکینگ
• 39. مدیریت پارکینگ در مناطق پرترافیک
• 40. کاربرد MARL در هدایت خودکار وسایل نقلیه
• 41. تصمیم‌گیری خودروهای خودران در ترافیک
• 42. تعامل خودروهای خودران با یکدیگر
• 43. تعامل خودروهای خودران با زیرساخت
• 44. کاربرد MARL در پیش‌بینی و مدیریت حوادث ترافیکی
• 45. شناسایی زودهنگام حوادث
• 46. مدیریت و هدایت ترافیک در زمان حوادث
• 47. تخصیص منابع امدادی در زمان حوادث
• 48. کاربرد MARL در بهینه‌سازی مصرف سوخت و کاهش آلودگی
• 49. هدایت ترافیک برای کاهش مصرف سوخت
• 50. کاهش انتشار گازهای گلخانه‌ای
• 51. بهینه‌سازی مسیر برای کاهش انتشار آلاینده‌ها
• 52. کاربرد MARL در سیستم‌های حمل و نقل هوشمند (ITS)
• 53. ادغام MARL در زیرساخت‌های ITS
• 54. ارتباط بین وسایل نقلیه و زیرساخت (V2I)
• 55. ارتباط بین وسایل نقلیه (V2V)
• 56. کاربرد MARL در سیستم‌های حمل و نقل اشتراکی
• 57. بهینه‌سازی سیستم‌های اشتراک خودرو
• 58. مدیریت پلتفرم‌های حمل و نقل اشتراکی
• 59. کاربرد MARL در سیستم‌های حمل و نقل اضطراری
• 60. اولویت‌بندی وسایل نقلیه اضطراری
• 61. مدیریت ترافیک برای تسهیل عبور وسایل نقلیه اضطراری
• 62. کاربرد MARL در مدیریت تقاضای حمل و نقل
• 63. تاثیرگذاری بر الگوهای سفر با MARL
• 64. تشویق به استفاده از حمل و نقل پایدار
• 65. کاربرد MARL در سیستم‌های حمل و نقل زیرزمینی
• 66. کنترل قطارها با MARL
• 67. بهینه‌سازی زمان‌بندی قطارها
• 68. مدیریت تراکم مسافران در ایستگاه‌ها
• 69. کاربرد MARL در سیستم‌های حمل و نقل هوایی شهری (UAM)
• 70. مدیریت پرواز پهپادها و تاکسی‌های هوایی
• 71. بهینه‌سازی مسیر پرواز
• 72. مدیریت ترافیک هوایی شهری
• 73. طراحی محیط‌های شبیه‌سازی برای MARL در حمل و نقل
• 74. ابزارهای شبیه‌سازی (SUMO, MATSim)
• 75. مدل‌سازی دقیق شبکه‌های حمل و نقل
• 76. تولید داده‌های آموزشی برای MARL
• 77. ارزیابی عملکرد الگوریتم‌های MARL
• 78. معیارهای ارزیابی در مدیریت ترافیک
• 79. تحلیل پایداری و کارایی سیستم‌های MARL
• 80. روش‌های آموزش MARL (Off-policy, On-policy)
• 81. یادگیری انتقالی در MARL برای حمل و نقل
• 82. یادگیری فدرال در MARL برای حمل و نقل
• 83. یادگیری تقویتی با مقیاس‌پذیری در حمل و نقل
• 84. یادگیری تقویتی عمیق (DRL) در MARL
• 85. شبکه‌های عصبی کانولوشنی (CNN) در MARL
• 86. شبکه‌های عصبی بازگشتی (RNN) در MARL
• 87. شبکه‌های عصبی گراف (GNN) در MARL
• 88. کاربرد GNN در مدل‌سازی شبکه‌های حمل و نقل
• 89. کاربرد GNN در MARL برای حمل و نقل
• 90. استفاده از یادگیری تقویتی برای کشف الگوهای ترافیکی
• 91. شناسایی نقاط حادثه‌خیز با MARL
• 92. پیش‌بینی رفتار رانندگان با MARL
• 93. مدل‌سازی تعاملات پیچیده بین عوامل
• 94. مدل‌سازی شبکه‌های ارتباطی بین خودروها
• 95. طراحی پاداش‌های موثر در MARL برای حمل و نقل
• 96. چالش‌های طراحی پاداش
• 97. بهینه‌سازی پاداش برای اهداف بلندمدت
• 98. تکنیک‌های یادگیری تقویتی پیشرفته در MARL
• 99. یادگیری تقویتی با پاداش پراکنده
• 100. یادگیری تقویتی با پاداش ضمنی