کتاب صوتی توسعه استراتژی‌های یادگیری در محیط‌های متغیر MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعه استراتژی‌های یادگیری در محیط‌های متغیر MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: محیط‌های یادگیری تقویتی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی چندعامله (MARL)
• 2. معرفی عامل‌ها و محیط در MARL
• 3. اهداف و پاداش‌ها در MARL
• 4. مدل‌های پایه یادگیری تقویتی (RL)
• 5. یادگیری سیاست (Policy Learning)
• 6. یادگیری ارزش (Value Learning)
• 7. یادگیری مبتنی بر مدل (Model-Based RL)
• 8. حالت‌ها و عمل‌ها در MARL
• 9. فضاهای حالت و عمل گسسته
• 10. فضاهای حالت و عمل پیوسته
• 11. مشاهده‌پذیری کامل در مقابل مشاهده‌پذیری جزئی
• 12. مفهوم هماهنگی (Coordination) در MARL
• 13. مفهوم رقابت (Competition) در MARL
• 14. مفهوم همکاری (Cooperation) در MARL
• 15. یادگیری از طریق مشاهده (Imitation Learning) در MARL
• 16. یادگیری تقویتی عمیق (Deep RL) در MARL
• 17. شبکه‌های عصبی کانولوشنال (CNN) برای MARL
• 18. شبکه‌های عصبی بازگشتی (RNN) برای MARL
• 19. شبکه‌های عصبی ترنسفورمر (Transformer) برای MARL
• 20. معماری‌های یادگیری عمیق برای MARL
• 21. معماری عامل-آگاه (Agent-Aware)
• 22. معماری عامل-خنثی (Agent-Agnostic)
• 23. معماری‌های مبتنی بر ارتباط (Communication-based)
• 24. یادگیری استراتژی‌های مشترک
• 25. یادگیری استراتژی‌های مجزا
• 26. یادگیری استراتژی‌های ترکیبی
• 27. الگوریتم‌های پایه MARL
• 28. Q-learning در محیط‌های چندعامله
• 29. SARSA در محیط‌های چندعامله
• 30. Policy Gradient در محیط‌های چندعامله
• 31. Actor-Critic در محیط‌های چندعامله
• 32. معماری‌های پیشرفته MARL
• 33. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 34. COMA (Counterfactual Multi-Agent Policy Gradients)
• 35. QMIX (Q-value Mixing)
• 36. VDN (Value Decomposition Networks)
• 37. IQL (Independent Q-Learning)
• 38. VDPO (Value-Difference Policy Optimization)
• 39. اتصال عامل‌ها در MARL
• 40. ارتباطات صریح (Explicit Communication)
• 41. ارتباطات ضمنی (Implicit Communication)
• 42. یادگیری زبان مشترک
• 43. طراحی پروتکل‌های ارتباطی
• 44. ملاحظات مربوط به حریم خصوصی در ارتباطات
• 45. مدل‌سازی رفتار عامل‌های دیگر
• 46. یادگیری رفتار عامل‌های همکار
• 47. یادگیری رفتار عامل‌های رقیب
• 48. یادگیری رفتار عامل‌های نامشخص
• 49. مدل‌های پیش‌بینی رفتار عامل‌ها
• 50. مدل‌های مولد رفتار
• 51. چالش‌های محیط‌های متغیر
• 52. تغییرات در پویایی محیط
• 53. تغییرات در اهداف عامل‌ها
• 54. تغییرات در پاداش‌ها
• 55. تغییرات در مشاهده‌پذیری
• 56. تغییرات در تعداد عامل‌ها
• 57. تغییرات در استراتژی عامل‌های دیگر
• 58. استراتژی‌های انطباق با تغییرات
• 59. یادگیری مستمر (Continual Learning) در MARL
• 60. یادگیری انتقالی (Transfer Learning) در MARL
• 61. یادگیری چندوظیفه‌ای (Multi-Task Learning) در MARL
• 62. یادگیری تقویتی مقاوم (Robust MARL)
• 63. یادگیری تقویتی ایمن (Safe MARL)
• 64. استراتژی‌های یادگیری در حضور عدم قطعیت
• 65. عدم قطعیت مدل محیط
• 66. عدم قطعیت رفتار عامل‌ها
• 67. عدم قطعیت پاداش‌ها
• 68. روش‌های مدیریت عدم قطعیت
• 69. یادگیری مبتنی بر بازیکن (Player-based Learning)
• 70. یادگیری مبتنی بر هماهنگی (Coordination-based Learning)
• 71. یادگیری مبتنی بر رقابت (Competition-based Learning)
• 72. یادگیری تقویتی در رباتیک چندعامله
• 73. کنترل ترافیک هوایی
• 74. مدیریت ناوگان وسایل نقلیه خودران
• 75. سیستم‌های توزیع شده هوشمند
• 76. بازی‌های ویدئویی چندنفره
• 77. مدل‌سازی سیستم‌های اقتصادی
• 78. سیستم‌های توصیه‌گر چندعامله
• 79. امنیت سایبری در سیستم‌های چندعامله
• 80. تحلیل رفتار جمعی
• 81. شبیه‌سازی‌های اجتماعی
• 82. بهینه‌سازی منابع در شبکه‌های هوشمند
• 83. مدیریت انرژی در شبکه‌های توزیع شده
• 84. کاربرد MARL در سیستم‌های مالی اسلامی
• 85. مدل‌سازی بازارهای اسلامی
• 86. مدیریت ریسک در عقود اسلامی
• 87. بهینه‌سازی پرتفوی در چارچوب اسلامی
• 88. اصول فقهی در بازارهای مالی
• 89. معماری‌های محاسباتی برای MARL
• 90. سخت‌افزارهای تخصصی
• 91. الگوریتم‌های موازی‌سازی
• 92. بهینه‌سازی حافظه
• 93. کارایی محاسباتی در MARL
• 94. ارزیابی و سنجش عملکرد در MARL
• 95. معیارهای استاندارد
• 96. شبیه‌سازی‌های واقع‌گرایانه
• 97. آزمون‌های میدانی
• 98. تحلیل پیچیدگی محاسباتی
• 99. چالش‌های اخلاقی و اجتماعی در MARL
• 100. مسئولیت‌پذیری عامل‌ها