فلش‌کارت‌های آموزشی بهینه‌سازی تصمیم‌گیری در MARL با مدل‌های مبتنی بر پیش‌بینی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی تصمیم‌گیری در MARL با مدل‌های مبتنی بر پیش‌بینی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌های پیش‌بینی (Model-based RL)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 2. مبانی نظری یادگیری تقویتی
• 3. عوامل در محیط‌های MARL
• 4. مدل‌سازی تعاملات عاملان
• 5. مفاهیم کلیدی در MARL
• 6. اهمیت تصمیم‌گیری بهینه در MARL
• 7. چالش‌های تصمیم‌گیری در MARL
• 8. مروری بر رویکردهای تصمیم‌گیری
• 9. مدل‌های مبتنی بر پیش‌بینی
• 10. انواع مدل‌های پیش‌بینی
• 11. پیش‌بینی رفتار عاملان دیگر
• 12. پیش‌بینی وضعیت محیط
• 13. پیش‌بینی پیامدهای اعمال
• 14. مدل‌های پیش‌بینی مبتنی بر سری‌های زمانی
• 15. مدل‌های پیش‌بینی مبتنی بر شبکه‌های عصبی
• 16. شبکه‌های عصبی بازگشتی (RNN) برای پیش‌بینی
• 17. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
• 18. شبکه‌های حافظه طولانی کوتاه مدت (GRU)
• 19. شبکه‌های ترنسفورمر برای پیش‌بینی
• 20. مدل‌های پیش‌بینی مبتنی بر گراف
• 21. مدل‌های پیش‌بینی مبتنی بر یادگیری عمیق
• 22. بهینه‌سازی تصمیم‌گیری با استفاده از پیش‌بینی
• 23. استفاده از پیش‌بینی برای برنامه‌ریزی
• 24. استفاده از پیش‌بینی برای انتخاب عمل
• 25. استراتژی‌های تصمیم‌گیری مبتنی بر پیش‌بینی
• 26. مدل‌های پیش‌بینی و بازی‌های پویا
• 27. مدل‌های پیش‌بینی و تعادل نش
• 28. مدل‌های پیش‌بینی و تعادل کورنو
• 29. کاربرد مدل‌های پیش‌بینی در بازی‌های غیرهمکارانه
• 30. کاربرد مدل‌های پیش‌بینی در بازی‌های همکارانه
• 31. بهینه‌سازی تصمیم‌گیری در محیط‌های همکاری
• 32. بهینه‌سازی تصمیم‌گیری در محیط‌های رقابتی
• 33. بهینه‌سازی تصمیم‌گیری در محیط‌های مختلط
• 34. طراحی توابع پاداش برای MARL
• 35. تطبیق پاداش در MARL
• 36. یادگیری پاداش در MARL
• 37. ارتباطات بین عاملان در MARL
• 38. یادگیری ارتباطات
• 39. پروتکل‌های ارتباطی در MARL
• 40. اثرات ارتباطات بر تصمیم‌گیری
• 41. مدل‌سازی عدم قطعیت در MARL
• 42. مدیریت عدم قطعیت با پیش‌بینی
• 43. بهینه‌سازی تصمیم‌گیری تحت عدم قطعیت
• 44. یادگیری تقویتی عمیق چندعامله (Deep MARL)
• 45. شبکه‌های عصبی عمیق در MARL
• 46. استراتژی‌های یادگیری عمیق در MARL
• 47. الگوهای یادگیری عمیق برای پیش‌بینی
• 48. الگوهای یادگیری عمیق برای تصمیم‌گیری
• 49. مقایسه رویکردهای مختلف در Deep MARL
• 50. کاربردهای عملی MARL
• 51. MARL در رباتیک
• 52. MARL در سیستم‌های توزیع‌شده
• 53. MARL در اقتصاد و بازارهای مالی
• 54. MARL در مدیریت ترافیک
• 55. MARL در بازی‌ها و شبیه‌سازی‌ها
• 56. MARL در سیستم‌های توصیه‌گر
• 57. MARL در شبکه‌های هوشمند
• 58. MARL در سیستم‌های خودمختار
• 59. MARL در ربات‌های پروازی
• 60. MARL در خودروهای خودران
• 61. MARL در سیستم‌های لجستیک
• 62. MARL در شبکه‌های مخابراتی
• 63. MARL در مدیریت منابع
• 64. MARL در کنترل صنعتی
• 65. MARL در هوش مصنوعی جمعی
• 66. MARL در سیستم‌های سلامت
• 67. MARL در محیط‌های شبیه‌سازی شده
• 68. MARL در محیط‌های واقعی
• 69. چالش‌های پیاده‌سازی MARL
• 70. ارزیابی عملکرد در MARL
• 71. معیارهای ارزیابی در MARL
• 72. مقیاس‌پذیری در MARL
• 73. تفسیرپذیری در MARL
• 74. اخلاق در MARL
• 75. مسائل امنیتی در MARL
• 76. پیشرفت‌های آینده در MARL
• 77. تحقیقات جاری در MARL
• 78. مقالات کلیدی در MARL
• 79. مجموعه‌داده‌های استاندارد در MARL
• 80. ابزارها و کتابخانه‌های MARL
• 81. پروژه‌های تحقیقاتی در MARL
• 82. سمینارها و کنفرانس‌ها در MARL
• 83. منابع آموزشی تکمیلی در MARL
• 84. مرور مباحث پیشرفته در MARL
• 85. روش‌های شهودی در MARL
• 86. روش‌های رسمی در MARL
• 87. یادگیری تقویتی با عاملان ناظر
• 88. یادگیری تقویتی با عاملان غیرناظر
• 89. یادگیری تقویتی با عاملان نیمه‌ناظر
• 90. یادگیری تقویتی با عاملان خودناظر
• 91. یادگیری تقویتی برای هماهنگی
• 92. یادگیری تقویتی برای رقابت
• 93. یادگیری تقویتی برای مذاکره
• 94. یادگیری تقویتی برای حل مسئله مشترک
• 95. یادگیری تقویتی برای بهینه‌سازی شبکه
• 96. یادگیری تقویتی برای تخصیص منابع
• 97. یادگیری تقویتی برای مسیریابی
• 98. یادگیری تقویتی برای کنترل سیستم
• 99. یادگیری تقویتی برای کشف الگو
• 100. یادگیری تقویتی برای پیش‌بینی خطا