کتاب صوتی دانه‌های حقیقت محاسباتی برای بازی‌های گسترده (نا)شناخته شده: از پیش‌بینی استراتژی تا تعادل نش

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب دانه‌های حقیقت محاسباتی برای بازی‌های گسترده (نا)شناخته شده: از پیش‌بینی استراتژی تا تعادل نش

موضوع کلی: نظریه بازی‌های محاسباتی و هوش مصنوعی

موضوع میانی: یادگیری و پیش‌بینی در بازی‌های پویا

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر نظریه بازی‌ها: تاریخچه و کاربردها
• 2. مفاهیم پایه بازی: بازیکنان، عمل‌ها، خروجی‌ها
• 3. انواع بازی‌ها: استراتژیک، گسترده، با/بدون همکاری
• 4. معرفی بازی‌های گسترده (Extensive-Form Games)
• 5. درخت بازی و گره‌های تصمیم
• 6. اطلاعات کامل در بازی‌های گسترده
• 7. معرفی تابع سود (Payoff Function)
• 8. بازنمایی بازی‌های گسترده
• 9. مقدمه‌ای بر نظریه محاسبات
• 10. مدل‌های محاسباتی: ماشین تورینگ و الگوریتم‌ها
• 11. مفهوم محاسباتی بودن (Computability)
• 12. پیچیدگی محاسباتی: زمان و فضا
• 13. مسائلی که محاسباتی نیستند (Uncomputable Problems)
• 14. چرا محاسباتی بودن در نظریه بازی مهم است؟
• 15. ارتباط نظریه بازی و هوش مصنوعی
• 16. ساختار اطلاعات در بازی‌های گسترده
• 17. مجموعه اطلاعات (Information Sets) و اطلاعات ناقص
• 18. بازی‌های با اطلاعات کامل در برابر ناقص
• 19. استراتژی در بازی‌های گسترده: تعریف و انواع
• 20. استراتژی‌های خالص و مختلط
• 21. بازنمایی استراتژی‌ها به صورت درختی
• 22. زیربازی‌ها (Subgames) و مفهوم آن
• 23. حل بازی‌های گسترده با اطلاعات کامل
• 24. استقراء به عقب (Backward Induction)
• 25. تعادل زیربازی کامل نش (Subgame Perfect Nash Equilibrium - SPNE)
• 26. محدودیت‌های استقراء به عقب
• 27. بازی‌های گسترده با حریفان غیرعقلانی
• 28. بازی‌های گسترده با حرکت همزمان
• 29. تبدیل به فرم نرمال
• 30. مفهوم درخت بازی محدود و نامحدود
• 31. مفهوم تعادل نش (Nash Equilibrium) در بازی‌های گسترده
• 32. وجود تعادل نش در بازی‌های گسترده
• 33. قضیه وجود نش برای بازی‌های با تعداد متناهی استراتژی
• 34. الگوریتم‌های یافتن تعادل نش برای بازی‌های کوچک
• 35. پیچیدگی محاسباتی یافتن تعادل نش (PPAD-Completeness)
• 36. تعادل‌های متعدد نش و انتخاب بین آنها
• 37. پالایش تعادل‌ها (Refinements of Nash Equilibrium)
• 38. تعادل‌های لرزاننده دست (Trembling Hand Perfect Equilibrium)
• 39. تعادل‌های کامل (Perfect Equilibrium)
• 40. محدودیت‌های محاسباتی برای یافتن تعادل در بازی‌های بزرگ
• 41. عدم محاسباتی بودن برخی جنبه‌ها در بازی‌های خاص
• 42. بازی‌های با عمق نامتناهی و مسائل محاسباتی
• 43. بازی‌های روی گراف‌ها و ارتباط با محاسبات
• 44. بازی‌های پیوسته و دشواری محاسبات
• 45. توابع سود عمومی (General Payoff Functions) و تأثیر آن بر محاسبات
• 46. معرفی بازی‌های گسترده با افق نامحدود
• 47. میانگین سود در بازی‌های نامحدود
• 48. استراتژی‌های رفتاری (Behavioral Strategies)
• 49. معادل‌سازی استراتژی‌های رفتاری و مختلط (قضیه کون)
• 50. مدل‌سازی بازی‌های گسترده با زبان‌های برنامه‌نویسی
• 51. مقدمه‌ای بر محاسبات حدی (Limit-Computability)
• 52. تفاوت با محاسبات سنتی: یافتن جواب در حد
• 53. توابع حدی محاسباتی (Limit-Computable Functions)
• 54. قضیه نقطه ثابت ریکرزیو (Recursive Fixed-Point Theorem)
• 55. استفاده از اوراکل‌ها در محاسبات حدی
• 56. سلسله مراتب حسابی (Arithmetical Hierarchy) و ارتباط با بازی‌ها
• 57. رویکرد "دانه‌های حقیقت" (Grains of Truth): یافتن جوابهای جزئی
• 58. تعاریف تقریبی از تعادل (Approximate Equilibria)
• 59. مفهوم اپسیلون-تعادل نش (epsilon-Nash Equilibrium)
• 60. الگوریتم‌های تقریبی برای یافتن تعادل
• 61. تحلیل کیفیت تقریبی بودن جواب‌ها
• 62. کران‌های خطا در محاسبات حدی
• 63. محدودیت‌های ذاتی تقریب در برخی بازی‌ها
• 64. کاربرد محاسبات حدی در سناریوهای نامشخص
• 65. معرفی ابزارهای ریاضی برای تحلیل حدی
• 66. بازی‌های با اطلاعات ناقص (Incomplete Information Games)
• 67. نوع بازیکنان (Player Types) و توزیع باورها
• 68. بازی‌های بیزی (Bayesian Games)
• 69. تعادل بیزی نش (Bayesian Nash Equilibrium - BNE)
• 70. استراتژی‌های تطبیقی (Adaptive Strategies)
• 71. یادگیری در بازی‌ها: رویکردهای یادگیری تقویتی (Reinforcement Learning)
• 72. مدل‌سازی حریف (Opponent Modeling)
• 73. پیش‌بینی استراتژی حریفان بر اساس مشاهدات
• 74. یادگیری به روش Q-learning در محیط‌های بازی
• 75. یادگیری عمق‌دار (Deep Learning) برای استراتژی‌ها
• 76. شبکه‌های عصبی و نمایندگی بازی
• 77. چالش‌های یادگیری در بازی‌های گسترده با اطلاعات ناقص
• 78. پایداری و همگرایی الگوریتم‌های یادگیری
• 79. بازی‌های ناشناخته (Unknown Games): تعریف و چالش‌ها
• 80. کاوش و بهره‌برداری (Exploration-Exploitation) در بازی‌های ناشناخته
• 81. مفهوم "بازی‌های گسترده (نا)شناخته شده محاسباتی"
• 82. اعمال محاسبات حدی برای تعادل در بازی‌های ناشناخته
• 83. تعادل‌های حدی محاسباتی (Limit-Computable Equilibria)
• 84. چگونگی یافتن دانه‌های حقیقت در بازی‌های با اطلاعات ناقص
• 85. تقریب استراتژی‌های بهینه در محیط‌های نامشخص
• 86. تعادل‌های تقریبی بیزی نش
• 87. ارزیابی کیفیت تعادل‌های حدی در عمل
• 88. مفهوم عقلانیت محدود (Bounded Rationality) در بستر محاسبات حدی
• 89. شبیه‌سازی برای یافتن تعادل‌های حدی
• 90. نقش داده‌ها و مشاهدات در محاسبات حدی
• 91. الگوریتم‌های بر پایه شواهد (Evidence-Based Algorithms)
• 92. کاربرد منطق فازی در تقریب استراتژی‌ها
• 93. بازی‌های گسترده با درخت‌های بسیار بزرگ و روش‌های حدی
• 94. محدودیت‌های تئوریک یافتن "دانه‌های حقیقت" در برخی بازی‌ها
• 95. پیاده‌سازی عملی الگوریتم‌های حدی برای بازی‌ها
• 96. چالش‌های مقیاس‌پذیری و محاسباتی در دنیای واقعی
• 97. کاربردهای عملی در هوش مصنوعی: رباتیک، شبکه‌ها، اقتصاد
• 98. مسائل باز و جهت‌گیری تحقیقات آینده
• 99. مروری بر مقاله الهام‌بخش و نکات کلیدی آن
• 100. جمع‌بندی: دانه‌های حقیقت محاسباتی به عنوان پارادایم نوین