کتاب صوتی یادگیری تقویتی چندعامله در سیستم‌های حمل و نقل هوشمند جهانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله در سیستم‌های حمل و نقل هوشمند جهانی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس بین‌المللی با استفاده از فناوری بلاکچین

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری تقویتی چندعامله
• 2. مبانی سیستم های حمل و نقل هوشمند
• 3. عناصر کلیدی در سیستم های حمل و نقل هوشمند
• 4. مفاهیم پایه یادگیری تقویتی
• 5. عامل ها و محیط ها در یادگیری تقویتی
• 6. تابع پاداش و تابع ارزش
• 7. الگوریتم های یادگیری تقویتی بدون مدل
• 8. یادگیری Q
• 9. یادگیری SARSA
• 10. یادگیری تقویتی مبتنی بر مدل
• 11. مدل های محیطی در حمل و نقل
• 12. یادگیری تقویتی با مدل پیش بینی کننده
• 13. چالش های یادگیری تقویتی در حمل و نقل
• 14. مقیاس پذیری در سیستم های بزرگ
• 15. عدم قطعیت و دینامیک محیط
• 16. پیچیدگی تعاملات چندعامله
• 17. مقدمه ای بر یادگیری تقویتی چندعامله (MARL)
• 18. تفاوت MARL با یادگیری تقویتی تک عامله
• 19. انواع چارچوب های MARL
• 20. مدل های متمرکز و غیرمتمرکز
• 21. مدل های نیمه متمرکز
• 22. هماهنگی بین عامل ها
• 23. رقابت بین عامل ها
• 24. ترکیب هماهنگی و رقابت
• 25. الگوریتم های پایه MARL
• 26. پاسخ های مستقل عامل ها (IQL)
• 27. مدل های بازی برای MARL
• 28. یادگیری مبتنی بر تئوری بازی ها
• 29. کاربرد تئوری بازی در MARL
• 30. تعادل نش در سیستم های چندعامله
• 31. کاربرد تئوری بازی در حمل و نقل هوشمند
• 32. مدل سازی ترافیک به عنوان بازی
• 33. هماهنگ سازی چراغ های راهنمایی با MARL
• 34. مدیریت جریان ترافیک با MARL
• 35. بهینه سازی مسیردهی وسایل نقلیه با MARL
• 36. کاربرد MARL در سیستم های حمل و نقل عمومی
• 37. مدیریت ناوگان تاکسی های خودران
• 38. بهینه سازی زمان بندی اتوبوس ها
• 39. سیستم های حمل و نقل اشتراکی هوشمند
• 40. کاربرد MARL در پارکینگ هوشمند
• 41. مدیریت پارکینگ های چندطبقه
• 42. بهینه سازی یافتن جای پارک
• 43. سیستم های حمل و نقل هوشمند لجستیکی
• 44. مدیریت زنجیره تامین با MARL
• 45. بهینه سازی تحویل کالا
• 46. سیستم های حمل و نقل هوشمند شهری
• 47. مدیریت ازدحام ترافیک
• 48. کاهش مصرف سوخت و آلودگی
• 49. افزایش ایمنی در جاده ها
• 50. کاربرد MARL در وسایل نقلیه خودران
• 51. هماهنگی بین وسایل نقلیه خودران
• 52. تصمیم گیری در شرایط پیچیده
• 53. تشخیص و پیش بینی رفتار سایر عامل ها
• 54. یادگیری تقویتی عمیق (DRL)
• 55. شبکه های عصبی عمیق
• 56. کاربرد DRL در MARL
• 57. Deep Q-Networks (DQN) برای MARL
• 58. Actor-Critic methods for MARL
• 59. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 60. Proximal Policy Optimization (PPO) for MARL
• 61. قابلیت تعمیم در MARL
• 62. یادگیری مداوم و انطباق پذیری
• 63. مدل های مبتنی بر حافظه برای MARL
• 64. شبکه های عصبی بازگشتی (RNN) در MARL
• 65. شبکه های حافظه کوتاه مدت بلندمدت (LSTM)
• 66. شبکه های حافظه دسترسی تصادفی (DRAM)
• 67. یادگیری تقویتی مبتنی بر مشاهده مشترک
• 68. یادگیری تقویتی مبتنی بر ارتباطات
• 69. پروتکل های ارتباطی بین عامل ها
• 70. انتخاب و طراحی کانال های ارتباطی
• 71. یادگیری تقویتی با پاداش های پراکنده
• 72. روش های کاهش بعد در MARL
• 73. کاهش بعد فضای حالت
• 74. کاهش بعد فضای عمل
• 75. یادگیری فشرده سازی حالت
• 76. ارزیابی عملکرد در MARL
• 77. معیارهای ارزیابی سیستم های حمل و نقل
• 78. شبیه سازی و تست در محیط های واقعی
• 79. چالش های پیاده سازی MARL در سیستم های واقعی
• 80. مسائل اخلاقی و حقوقی در سیستم های خودران
• 81. استانداردهای ایمنی و قابلیت اطمینان
• 82. آینده MARL در سیستم های حمل و نقل هوشمند
• 83. نقش هوش مصنوعی در حمل و نقل آینده
• 84. تحقیقات جاری و جهت گیری های آینده
• 85. کاربرد MARL در مدیریت حوادث ترافیکی
• 86. پیشگیری و مدیریت بحران در حمل و نقل
• 87. سیستم های حمل و نقل هوشمند پایدار
• 88. طراحی سیستم های حمل و نقل با رویکرد MARL
• 89. جمعیت شناسی و رفتار کاربران در حمل و نقل
• 90. تاثیر پذیری از عوامل محیطی خارجی
• 91. یادگیری تقویتی در سیستم های حمل و نقل بین شهری
• 92. مدیریت ترافیک هوایی با MARL
• 93. مدیریت ترافیک دریایی با MARL
• 94. سیستم های حمل و نقل ریلی هوشمند
• 95. کاربرد MARL در ناوگان های هوشمند
• 96. بهینه سازی مصرف انرژی در حمل و نقل
• 97. مدیریت ترافیک در تقاطع های پیچیده
• 98. سیستم های پیشرفته کمک راننده (ADAS) مبتنی بر MARL
• 99. فناوری های ارتباطی V2X و MARL
• 100. کاربرد MARL در مدیریت بحران های حمل و نقل