فلش‌کارت‌های آموزشی یادگیری تقویتی چندعامله: تمرکز بر رویکرد ناظر مرکزی عامل مستقل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله: تمرکز بر رویکرد ناظر مرکزی عامل مستقل

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: روش‌های مبتنی بر ناظر مرکزی/عامل مستقل (Centralized Critic/Independent Actor)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. محیط‌های یادگیری تقویتی
• 4. عامل در یادگیری تقویتی
• 5. تابع پاداش و تابع ارزش
• 6. سیاست‌ها و روش‌های اکتشاف
• 7. یادگیری تقویتی بدون ناظر (Unsupervised RL)
• 8. یادگیری تقویتی با ناظر (Supervised RL)
• 9. مدل‌های یادگیری تقویتی
• 10. یادگیری تقویتی مبتنی بر ارزش
• 11. یادگیری تقویتی مبتنی بر سیاست
• 12. یادگیری تقویتی ترکیبی
• 13. روش‌های مونت کارلو
• 14. یادگیری تقویتی تفاضل زمانی (TD Learning)
• 15. Q-Learning
• 16. SARSA
• 17. Deep Q-Networks (DQN)
• 18. Extension of DQN
• 19. Policy Gradient Methods
• 20. Actor-Critic Methods
• 21. A3C (Asynchronous Advantage Actor-Critic)
• 22. DDPG (Deep Deterministic Policy Gradient)
• 23. TRPO (Trust Region Policy Optimization)
• 24. PPO (Proximal Policy Optimization)
• 25. Multi-Agent Reinforcement Learning (MARL)
• 26. Separated Agents
• 27. Cooperative Agents
• 28. Competitive Agents
• 29. Mixed Cooperative-Competitive Agents
• 30. Centralized Training Decentralized Execution (CTDE)
• 31. Independent Learners
• 32. Joint Action Learners
• 33. Value Decomposition Networks (VDN)
• 34. QMIX
• 35. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 36. Counterfactual Multi-Agent Policy Gradients (COMA)
• 37. Communication in MARL
• 38. Learning Communication Protocols
• 39. Emergent Communication
• 40. Information Sharing
• 41. Coordination Mechanisms
• 42. Task Allocation in MARL
• 43. Resource Management in MARL
• 44. Distributed MARL Systems
• 45. Scalability in MARL
• 46. Partial Observability in MARL
• 47. Dec-POMDPs (Decentralized Partially Observable Markov Decision Processes)
• 48. Belief State Representation
• 49. Information State Space
• 50. Memory-based Agents
• 51. Recurrent Neural Networks (RNNs) in MARL
• 52. Long Short-Term Memory (LSTM) in MARL
• 53. Gated Recurrent Units (GRUs) in MARL
• 54. Attention Mechanisms in MARL
• 55. Graph Neural Networks (GNNs) in MARL
• 56. MARL for Robotics
• 57. MARL for Autonomous Driving
• 58. MARL for Game Playing
• 59. MARL for Traffic Control
• 60. MARL for Financial Trading
• 61. MARL for Resource Exploration
• 62. MARL for Distributed Systems Control
• 63. MARL for Smart Grids
• 64. MARL for Network Routing
• 65. MARL for Recommendation Systems
• 66. MARL for Healthcare
• 67. MARL for Education
• 68. Ethical Considerations in MARL
• 69. Fairness in MARL
• 70. Robustness in MARL
• 71. Safety in MARL
• 72. Explainability in MARL
• 73. Human-Agent Interaction in MARL
• 74. Human-in-the-Loop MARL
• 75. Simulations for MARL
• 76. Real-world Deployment of MARL
• 77. Benchmarking MARL Algorithms
• 78. Evaluation Metrics for MARL
• 79. Future Directions in MARL
• 80. Advanced MARL Architectures
• 81. Meta-Learning in MARL
• 82. Transfer Learning in MARL
• 83. Reinforcement Learning from Human Feedback (RLHF) in MARL
• 84. Causal Inference in MARL
• 85. Game Theory and MARL
• 86. Mechanism Design in MARL
• 87. Bayesian Reinforcement Learning in MARL
• 88. Offline MARL
• 89. Online MARL
• 90. Multi-Objective MARL
• 91. Hierarchical Reinforcement Learning in MARL
• 92. Safe Reinforcement Learning in MARL
• 93. Algorithmic Fairness in MARL
• 94. Privacy-Preserving MARL
• 95. Federated MARL
• 96. Robustness to Adversarial Attacks in MARL
• 97. Interpretability of MARL Policies
• 98. MARL for Complex System Dynamics
• 99. MARL for Multi-Robot Systems
• 100. MARL for Swarm Intelligence