کتاب صوتی یادگیری تقویتی چندعامله برای بهینه‌سازی تصمیم‌گیری در مواجهه با عدم قطعیت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای بهینه‌سازی تصمیم‌گیری در مواجهه با عدم قطعیت

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. اصول یادگیری تقویتی
• 3. فضای حالت و فضای عمل
• 4. تابع پاداش و تابع ارزش
• 5. الگوریتم‌های یادگیری تقویتی مبتنی بر ارزش
• 6. یادگیری Q-Learning
• 7. یادگیری SARSA
• 8. الگوریتم‌های یادگیری تقویتی مبتنی بر سیاست
• 9. گرادیان سیاست
• 10. الگوریتم Actor-Critic
• 11. مواجهه با عدم قطعیت در یادگیری تقویتی
• 12. منابع عدم قطعیت
• 13. مدل‌سازی عدم قطعیت
• 14. یادگیری تقویتی در محیط‌های پویا
• 15. یادگیری تقویتی در محیط‌های چندعامله
• 16. مقدمه‌ای بر سیستم‌های چندعامله
• 17. تعاملات بین عامل‌ها
• 18. همکاری و رقابت در سیستم‌های چندعامله
• 19. یادگیری تقویتی چندعامله (MARL)
• 20. انواع محیط‌های چندعامله
• 21. محیط‌های با مجموع صفر (Zero-Sum)
• 22. محیط‌های با مجموع غیر صفر (Non-Zero-Sum)
• 23. محیط‌های با ارتباطات صریح
• 24. محیط‌های با ارتباطات ضمنی
• 25. چالش‌های MARL
• 26. عدم ایستایی (Non-stationarity)
• 27. مشاهده‌پذیری محدود (Partial Observability)
• 28. مقیاس‌پذیری (Scalability)
• 29. تکامل عامل‌ها
• 30. همکاری در MARL
• 31. یادگیری سیاست‌های همکاری
• 32. هماهنگی بین عامل‌ها
• 33. مدل‌سازی عامل‌های دیگر
• 34. یادگیری تقویتی مبتنی بر مدل برای همکاری
• 35. تقویت همکاری با استفاده از پاداش‌های مشترک
• 36. رقابت در MARL
• 37. یادگیری سیاست‌های رقابتی
• 38. بازی‌های مجموع صفر
• 39. تعادل نش (Nash Equilibrium)
• 40. یادگیری تطابقی در بازی‌ها
• 41. یادگیری عمیق در MARL
• 42. شبکه‌های عصبی کانولوشنی (CNN) در MARL
• 43. شبکه‌های عصبی بازگشتی (RNN) در MARL
• 44. شبکه‌های عصبی ترنسفورمر در MARL
• 45. الگوریتم‌های پیشرفته MARL
• 46. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 47. QMIX (Q-value Mixing)
• 48. VDN (Value Decomposition Networks)
• 49. COMA (Counterfactual Multi-Agent Policy Gradients)
• 50. اتصال سیاست‌های عامل‌ها (Policy Stitching)
• 51. یادگیری تقویتی با مربی (Learning with a Teacher)
• 52. یادگیری تقویتی با تقلید (Imitation Learning)
• 53. یادگیری تقویتی با یادگیری انتقال (Transfer Learning)
• 54. یادگیری تقویتی با یادگیری فدرال (Federated Learning)
• 55. کاربردهای MARL در بهینه‌سازی تصمیم‌گیری
• 56. بهینه‌سازی ترافیک شهری
• 57. مدیریت منابع انرژی
• 58. سیستم‌های رباتیک چندگانه
• 59. بازی‌های استراتژیک
• 60. مدیریت زنجیره تأمین
• 61. سیستم‌های توصیه‌گر چندعامله
• 62. بهینه‌سازی در بازارهای مالی
• 63. یادگیری تقویتی برای سیستم‌های خودران
• 64. مدیریت ناوگان وسایل نقلیه
• 65. بهینه‌سازی در شبکه‌های مخابراتی
• 66. سیستم‌های هوشمند ساختمان
• 67. بهینه‌سازی فرآیندهای صنعتی
• 68. طراحی و کنترل شبکه‌های توزیع‌شده
• 69. یادگیری تقویتی در رباتیک توزیع‌شده
• 70. بهینه‌سازی در سیستم‌های مالی غیرمتمرکز
• 71. یادگیری تقویتی برای هوش مصنوعی دفاعی
• 72. مدیریت بحران و بلایای طبیعی
• 73. بهینه‌سازی در سیستم‌های سلامت
• 74. یادگیری تقویتی برای آموزش و پرورش هوشمند
• 75. بهینه‌سازی در سیستم‌های کشاورزی هوشمند
• 76. مدل‌سازی رفتار مصرف‌کننده
• 77. یادگیری تقویتی برای بهینه‌سازی استراتژی‌های کسب‌وکار
• 78. سیستم‌های مذاکره خودکار
• 79. یادگیری تقویتی در ربات‌های اجتماعی
• 80. بهینه‌سازی در سیستم‌های بازیابی اطلاعات
• 81. یادگیری تقویتی برای بهینه‌سازی تخصیص منابع
• 82. مدیریت پایگاه داده توزیع‌شده
• 83. یادگیری تقویتی در شبکه‌های حسگر بی‌سیم
• 84. بهینه‌سازی در سیستم‌های پردازش تصویر توزیع‌شده
• 85. یادگیری تقویتی برای بهینه‌سازی زمان‌بندی وظایف
• 86. سیستم‌های امنیتی هوشمند
• 87. یادگیری تقویتی در رباتیک پروازی
• 88. بهینه‌سازی در سیستم‌های مخابراتی ماهواره‌ای
• 89. مدیریت و بهینه‌سازی شبکه‌های ابری
• 90. یادگیری تقویتی برای بهینه‌سازی مصرف انرژی در مراکز داده
• 91. مدل‌سازی و پیش‌بینی رفتار سیستم‌های پیچیده
• 92. یادگیری تقویتی برای بهینه‌سازی فرآیندهای تولید
• 93. سیستم‌های حمل‌ونقل هوشمند چندوجهی
• 94. بهینه‌سازی در مدیریت پسماند
• 95. یادگیری تقویتی برای بهینه‌سازی در سیستم‌های انرژی تجدیدپذیر
• 96. مدیریت و کنترل سیستم‌های رباتیک موازی
• 97. یادگیری تقویتی در رباتیک انسان‌نما
• 98. بهینه‌سازی در سیستم‌های واقعیت مجازی و افزوده
• 99. یادگیری تقویتی برای بهینه‌سازی در سیستم‌های بازیابی انرژی
• 100. مدیریت و کنترل شبکه‌های توزیع‌شده هوشمند