کتاب صوتی راهنمای عملی برای انتخاب و تنظیم ابرپارامترها در MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی برای انتخاب و تنظیم ابرپارامترها در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: نکات و ترفندهای پیاده‌سازی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چند عاملی (MARL)
• 2. مبانی یادگیری تقویتی (RL)
• 3. عوامل و محیط در RL
• 4. تابع پاداش و تابع ارزش
• 5. سیاست‌ها و بهینه‌سازی سیاست
• 6. یادگیری آفلاین و آنلاین
• 7. تعادل اکتشاف و بهره‌برداری
• 8. مدل‌های یادگیری تقویتی (مدل‌بخش و مدل‌ناشناس)
• 9. تفاوت‌های کلیدی MARL و RL تک عاملی
• 10. چالش‌های هماهنگی در MARL
• 11. ناپایداری و عدم قطعیت در MARL
• 12. فضاهای حالت و عمل بزرگ در MARL
• 13. مشکلات ارتباطی بین عوامل
• 14. انواع سناریوهای MARL (همکارانه، رقابتی، مختلط)
• 15. محیط‌های شبیه‌سازی شده برای MARL
• 16. معیارهای ارزیابی عملکرد در MARL
• 17. مفاهیم اساسی همکاری و رقابت
• 18. مدل‌های عامل-محیط در MARL
• 19. فضاهای حالت مشترک و مجزا
• 20. فضاهای عمل مشترک و مجزا
• 21. تعریف رسمی مسئله MARL
• 22. پایه‌های نظری MARL
• 23. روش‌های مبتنی بر ارزش در MARL
• 24. روش‌های مبتنی بر سیاست در MARL
• 25. روش‌های ترکیبی در MARL
• 26. یادگیری تقویتی عمیق (DRL) در MARL
• 27. شبکه‌های عصبی عمیق برای MARL
• 28. شبکه‌های عصبی کانولوشنی (CNN) در MARL
• 29. شبکه‌های عصبی بازگشتی (RNN) در MARL
• 30. شبکه‌های عصبی ترنسفورمر در MARL
• 31. معماری‌های شبکه برای MARL
• 32. ابرپارامترهای حیاتی در MARL
• 33. یادگیری سیاست مرکزی (Centralized Policy Learning)
• 34. یادگیری سیاست توزیع شده (Decentralized Policy Learning)
• 35. یادگیری سیاست نیمه مرکزی (Semi-Centralized Policy Learning)
• 36. مدل‌های یادگیری مبتنی بر عامل (Agent-based Learning Models)
• 37. یادگیری تطبیقی (Adaptive Learning)
• 38. یادگیری مبتنی بر مشاهده (Observation-based Learning)
• 39. یادگیری مبتنی بر تجربه (Experience-based Learning)
• 40. استراتژی‌های اکتشاف در MARL
• 41. روش‌های حریصانه (Greedy Methods)
• 42. روش‌های مبتنی بر نویز (Noise-based Methods)
• 43. روش‌های مبتنی بر آنتروپی (Entropy-based Methods)
• 44. روش‌های اکتشاف تصادفی (Random Exploration)
• 45. تنظیم نرخ یادگیری (Learning Rate)
• 46. تنظیم ضریب تخفیف (Discount Factor)
• 47. تنظیم اندازه دسته (Batch Size)
• 48. تنظیم نرخ رویداد (Exploration Rate)
• 49. تنظیم پارامترهای شبکه عصبی
• 50. تنظیم پارامترهای تابع پاداش
• 51. تنظیم پارامترهای مدل محیط
• 52. تنظیم پارامترهای روش بهینه‌سازی
• 53. تنظیم پارامترهای حافظه تجربه (Experience Replay)
• 54. تنظیم پارامترهای شبکه هدف (Target Network)
• 55. تنظیم پارامترهای عامل‌های رقیب
• 56. تنظیم پارامترهای محیط مشترک
• 57. تنظیم پارامترهای ارتباطات بین عامل‌ها
• 58. تنظیم پارامترهای هماهنگی
• 59. تنظیم پارامترهای تخصیص منابع
• 60. تنظیم پارامترهای زمان‌بندی
• 61. تنظیم پارامترهای استراتژی‌های رقابتی
• 62. تنظیم پارامترهای استراتژی‌های همکاری
• 63. تنظیم پارامترهای استراتژی‌های مختلط
• 64. تنظیم پارامترهای یادگیری تدافعی
• 65. تنظیم پارامترهای یادگیری تهاجمی
• 66. تنظیم پارامترهای مدل‌سازی عامل دیگر
• 67. تنظیم پارامترهای پیش‌بینی رفتار
• 68. تنظیم پارامترهای یادگیری تقویتی با تکیه بر مدل
• 69. تنظیم پارامترهای یادگیری تقویتی بدون تکیه بر مدل
• 70. تنظیم پارامترهای یادگیری تقویتی در محیط‌های پویا
• 71. تنظیم پارامترهای یادگیری تقویتی در محیط‌های ایستا
• 72. تنظیم پارامترهای یادگیری تقویتی در محیط‌های با عدم قطعیت
• 73. تنظیم پارامترهای یادگیری تقویتی در محیط‌های با نویز
• 74. تنظیم پارامترهای یادگیری تقویتی با پاداش پراکنده
• 75. تنظیم پارامترهای یادگیری تقویتی با پاداش متراکم
• 76. تنظیم پارامترهای یادگیری تقویتی برای وظایف پیچیده
• 77. تنظیم پارامترهای یادگیری تقویتی برای وظایف ساده
• 78. تنظیم پارامترهای یادگیری تقویتی با محدودیت‌های محاسباتی
• 79. تنظیم پارامترهای یادگیری تقویتی با محدودیت‌های حافظه
• 80. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای رباتیک
• 81. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای ترافیک
• 82. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای بازی
• 83. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای مالی
• 84. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای سلامت
• 85. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای شبکه‌های هوشمند
• 86. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای لجستیک
• 87. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای مدیریت انرژی
• 88. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای بهینه‌سازی زنجیره تأمین
• 89. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای شهر هوشمند
• 90. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای خودران
• 91. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای توزیع منابع
• 92. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای برنامه‌ریزی
• 93. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای آموزش
• 94. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای خدمات
• 95. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای نظارت
• 96. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای امنیت
• 97. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای کشاورزی
• 98. تنظیم پارامترهای یادگیری تقویتی برای کاربردهای محیط زیست