کتاب صوتی یادگیری تقویتی چندعامله در زنجیره تامین: راهنمای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله در زنجیره تامین: راهنمای عملی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی فرآیندهای مدیریت تامین‌کنندگان

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عامل، محیط و پاداش در یادگیری تقویتی
• 4. فضای حالت و فضای عمل
• 5. تابع ارزش و تابع سیاست
• 6. یادگیری آفلاین و آنلاین
• 7. تفاوت یادگیری تقویتی با یادگیری نظارت شده و بدون نظارت
• 8. کاربردهای یادگیری تقویتی در علوم کامپیوتر
• 9. مبانی زنجیره تامین
• 10. اجزای اصلی زنجیره تامین
• 11. مدیریت موجودی در زنجیره تامین
• 12. پیش‌بینی تقاضا در زنجیره تامین
• 13. حمل و نقل و لجستیک در زنجیره تامین
• 14. مدیریت ریسک در زنجیره تامین
• 15. بهینه سازی فرآیندها در زنجیره تامین
• 16. فناوری اطلاعات در زنجیره تامین
• 17. نقش داده ها و تحلیل در زنجیره تامین
• 18. چالش های زنجیره تامین در دنیای امروز
• 19. یادگیری تقویتی در بهینه سازی زنجیره تامین
• 20. مدل سازی زنجیره تامین برای یادگیری تقویتی
• 21. تعریف مسئله یادگیری تقویتی برای زنجیره تامین
• 22. تعریف عامل ها در زنجیره تامین
• 23. تعریف محیط زنجیره تامین
• 24. تعریف فضاهای حالت و عمل برای عامل ها
• 25. تعریف تابع پاداش در زنجیره تامین
• 26. یادگیری تقویتی عامل منفرد در زنجیره تامین
• 27. الگوریتم های Q-learning برای زنجیره تامین
• 28. الگوریتم های SARSA برای زنجیره تامین
• 29. الگوریتم های Policy Gradient برای زنجیره تامین
• 30. یادگیری تقویتی چندعامله (MARL)
• 31. مفاهیم پایه MARL
• 32. چالش های هماهنگی در MARL
• 33. چالش های عدم قطعیت در MARL
• 34. چالش های مقیاس پذیری در MARL
• 35. انواع هماهنگی عامل ها در MARL
• 36. مدل های مبتنی بر عامل مرکزی
• 37. مدل های مبتنی بر عامل توزیع شده
• 38. مدل های مبتنی بر عامل ترکیبی
• 39. الگوریتم های MARL برای مدیریت موجودی
• 40. بهینه سازی سطح موجودی با MARL
• 41. مدیریت موجودی در شرایط تقاضای متغیر با MARL
• 42. همکاری بین انبارها با MARL
• 43. الگوریتم های MARL برای پیش‌بینی تقاضا
• 44. بهبود دقت پیش‌بینی تقاضا با MARL
• 45. مدل سازی عدم قطعیت در پیش‌بینی تقاضا با MARL
• 46. پیش‌بینی تقاضای پویا در زنجیره تامین با MARL
• 47. الگوریتم های MARL برای مدیریت حمل و نقل
• 48. بهینه سازی مسیرهای حمل و نقل با MARL
• 49. مدیریت ناوگان با MARL
• 50. زمان بندی حمل و نقل با MARL
• 51. الگوریتم های MARL برای مدیریت ریسک
• 52. شناسایی و کاهش ریسک با MARL
• 53. مدیریت اختلالات در زنجیره تامین با MARL
• 54. تصمیم گیری تحت عدم قطعیت با MARL
• 55. الگوریتم های MARL برای بهینه سازی فرآیندها
• 56. بهینه سازی تولید با MARL
• 57. بهینه سازی تامین کنندگان با MARL
• 58. بهینه سازی شبکه توزیع با MARL
• 59. مدل سازی زنجیره تامین با استفاده از شبیه سازی
• 60. ادغام شبیه سازی و یادگیری تقویتی
• 61. کاربرد شبیه سازی در آموزش عامل های MARL
• 62. ارزیابی عملکرد عامل های MARL در زنجیره تامین
• 63. معیارهای ارزیابی در MARL
• 64. مقایسه الگوریتم های MARL مختلف
• 65. مطالعات موردی از کاربرد MARL در زنجیره تامین
• 66. کاربرد MARL در صنعت خرده فروشی
• 67. کاربرد MARL در صنعت تولید
• 68. کاربرد MARL در صنعت خدمات
• 69. چالش های پیاده سازی MARL در دنیای واقعی
• 70. ملاحظات اخلاقی در استفاده از MARL
• 71. آینده یادگیری تقویتی چندعامله در زنجیره تامین
• 72. تکنیک های پیشرفته در MARL
• 73. یادگیری تقویتی عمیق (Deep RL) در MARL
• 74. شبکه های عصبی کانولوشنی در MARL
• 75. شبکه های عصبی بازگشتی در MARL
• 76. یادگیری تقویتی با پاداش های پراکنده
• 77. یادگیری تقویتی با پاداش های مصنوعی
• 78. یادگیری تقویتی از طریق مشاهده
• 79. یادگیری تقویتی با استفاده از مدل
• 80. یادگیری تقویتی با انتقال دانش
• 81. یادگیری تقویتی با یادگیری فعال
• 82. یادگیری تقویتی با عامل های انسان نما
• 83. یادگیری تقویتی در محیط های چند عاملی پویا
• 84. یادگیری تقویتی در زنجیره تامین مقاوم
• 85. یادگیری تقویتی در زنجیره تامین پایدار
• 86. یادگیری تقویتی برای زنجیره تامین هوشمند
• 87. یادگیری تقویتی برای زنجیره تامین سبز
• 88. یادگیری تقویتی برای زنجیره تامین مبتنی بر بلاکچین
• 89. مدل سازی تصمیمات استراتژیک با MARL
• 90. پیش بینی رفتار عامل ها در زنجیره تامین
• 91. بهینه سازی همکاری بین ذینفعان
• 92. درس های آموخته شده از پیاده سازی های موفق
• 93. مسیرهای تحقیقاتی آینده در MARL برای زنجیره تامین
• 94. جمع بندی و نتایج کلی