کتاب صوتی از تحلیل حساسیت تا بهینه‌سازی فعال در سیستم‌های MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از تحلیل حساسیت تا بهینه‌سازی فعال در سیستم‌های MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: تحلیل حساسیت

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سیستم‌های یادگیری تقویتی چند عاملی (MARL)
• 2. مفاهیم پایه عامل و محیط در MARL
• 3. مدل‌سازی محیط‌های پویا برای MARL
• 4. یادگیری مبتنی بر پاداش و تابع ارزش
• 5. الگوریتم‌های یادگیری تقویتی تک عاملی (SART)
• 6. معرفی عامل‌های متعدد و تعاملات آن‌ها
• 7. چالش‌های هماهنگی و رقابت در MARL
• 8. یادگیری منفرد در مقابل یادگیری مشترک
• 9. رویکردهای مبتنی بر عامل متمرکز و غیرمتمرکز
• 10. یادگیری عامل متمرکز (Centralized Training)
• 11. یادگیری عامل غیرمتمرکز (Decentralized Execution)
• 12. معرفی بازی‌های صفر و یک (Zero-Sum Games)
• 13. معرفی بازی‌های غیرصفر و یک (Non-Zero-Sum Games)
• 14. تعادل نش (Nash Equilibrium) در بازی‌های چند عاملی
• 15. کاربرد بازی‌های استراتژیک در MARL
• 16. مدل‌سازی فضای حالت و عمل مشترک
• 17. توابع پاداش مشترک و انفرادی
• 18. تکنیک‌های یادگیری آفلاین و آنلاین در MARL
• 19. یادگیری تقویتی کل‌نگر (Global RL)
• 20. یادگیری تقویتی خردنگر (Local RL)
• 21. روش‌های مبتنی بر ارزش (Value-Based Methods) در MARL
• 22. روش‌های مبتنی بر سیاست (Policy-Based Methods) در MARL
• 23. روش‌های ترکیبی (Actor-Critic Methods) در MARL
• 24. یادگیری Q-Learning برای MARL
• 25. Deep Q-Networks (DQN) در MARL
• 26. Multi-Agent Deep Q-Networks (MADQN)
• 27. Policy Gradient Methods برای MARL
• 28. REINFORCE در محیط‌های چند عاملی
• 29. Actor-Critic برای MARL
• 30. Deep Deterministic Policy Gradient (DDPG) در MARL
• 31. Multi-Agent DDPG (MADDPG)
• 32. معرفی الگوریتم‌های Trust Region Policy Optimization (TRPO)
• 33. Proximal Policy Optimization (PPO) در MARL
• 34. معرفی مدل‌های مبتنی بر عامل‌های یادگیرنده (Learning Agents)
• 35. یادگیری عامل‌های تعادلی (Equilibrium Learning)
• 36. یادگیری عامل‌های مبتنی بر تقلید (Imitation Learning)
• 37. یادگیری عامل‌های مبتنی بر مدل (Model-Based RL) در MARL
• 38. مدل‌سازی دینامیک محیط مشترک
• 39. یادگیری مدل محیط با استفاده از شبکه‌های عصبی
• 40. تکنیک‌های جستجو و برنامه‌ریزی در MARL
• 41. برنامه‌ریزی مبتنی بر درخت (Tree Search) در MARL
• 42. جستجوی مونت کارلو (Monte Carlo Tree Search) برای MARL
• 43. مدل‌سازی عدم قطعیت در محیط‌های چند عاملی
• 44. یادگیری تقویتی مقاوم (Robust MARL)
• 45. تحلیل حساسیت پارامترها در MARL
• 46. کاربرد تحلیل حساسیت برای ارزیابی پایداری
• 47. بهینه‌سازی فعال در سیستم‌های MARL
• 48. مفهوم بهینه‌سازی فعال (Active Optimization)
• 49. تکنیک‌های انتخاب عامل فعال
• 50. مدل‌سازی عامل‌های فعال و منفعل
• 51. بهینه‌سازی فعال در سناریوهای رقابتی
• 52. بهینه‌سازی فعال در سناریوهای همکاری
• 53. مدیریت منابع با استفاده از MARL
• 54. تخصیص منابع در سیستم‌های توزیع شده
• 55. هماهنگی عامل‌ها برای دستیابی به اهداف مشترک
• 56. کاربرد MARL در رباتیک چند رباته
• 57. ناوبری و کنترل گروهی ربات‌ها
• 58. یادگیری همکاری در ربات‌های هوشمند
• 59. کاربرد MARL در سیستم‌های حمل و نقل هوشمند
• 60. مدیریت ترافیک با استفاده از عامل‌های یادگیرنده
• 61. بهینه‌سازی مسیر در شبکه‌های حمل و نقل
• 62. کاربرد MARL در بازی‌های شبیه‌سازی شده
• 63. توسعه استراتژی‌های هوشمند در بازی‌ها
• 64. یادگیری تاکتیک‌های پیچیده توسط عامل‌ها
• 65. کاربرد MARL در مدیریت شبکه‌های انرژی
• 66. بهینه‌سازی تولید و مصرف انرژی
• 67. مدیریت پایداری شبکه با عامل‌های هوشمند
• 68. کاربرد MARL در سیستم‌های مالی
• 69. معامله‌گری الگوریتمی با عامل‌های یادگیرنده
• 70. پیش‌بینی روند بازار با استفاده از MARL
• 71. کاربرد MARL در پردازش زبان طبیعی
• 72. مدل‌سازی تعاملات زبانی بین عامل‌ها
• 73. تولید متن مشارکتی با استفاده از MARL
• 74. کاربرد MARL در سیستم‌های توصیه‌گر
• 75. شخصی‌سازی توصیه‌ها با در نظر گرفتن تعاملات
• 76. یادگیری ترجیحات کاربران در محیط‌های پویا
• 77. معرفی روش‌های پیشرفته در MARL
• 78. یادگیری تقویتی مبتنی بر سیگنال‌های اجتماعی
• 79. مدل‌سازی ارتباطات و همکاری بین عامل‌ها
• 80. یادگیری تقویتی با در نظر گرفتن محدودیت‌های ارتباطی
• 81. بهینه‌سازی سیاست‌های توزیع شده
• 82. یادگیری سیاست‌های تطبیقی در MARL
• 83. روش‌های یادگیری تقویتی با پاداش‌های پراکنده
• 84. استفاده از تکنیک‌های یادگیری عمیق در MARL
• 85. شبکه‌های عصبی کانولوشنال (CNN) برای MARL
• 86. شبکه‌های عصبی بازگشتی (RNN) برای MARL
• 87. شبکه‌های عصبی ترنسفورمر (Transformer) برای MARL
• 88. یادگیری تقویتی با حافظه بلند مدت
• 89. ارزیابی عملکرد در سیستم‌های MARL
• 90. معیارهای سنجش کارایی عامل‌ها
• 91. تحلیل پایداری و همگرایی در MARL
• 92. کاربرد MARL در مسائل بهینه‌سازی پیچیده
• 93. حل مسائل بهینه‌سازی ترکیبی با MARL
• 94. مباحث پیشرفته در بهینه‌سازی فعال
• 95. طراحی توابع پاداش مؤثر در MARL
• 96. مدل‌سازی عامل‌های خودخواه و ایثارگر
• 97. یادگیری تقویتی با در نظر گرفتن اخلاق
• 98. کاربرد MARL در ربات‌های خودمختار
• 99. هماهنگی در محیط‌های ناشناخته
• 100. بهینه‌سازی تصمیم‌گیری در شرایط عدم قطعیت