کتاب صوتی هوش مصنوعی در مدیریت حمل و نقل شهری: مقدمه‌ای بر یادگیری تقویتی چندعامله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی در مدیریت حمل و نقل شهری: مقدمه‌ای بر یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس شهری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی در مدیریت حمل و نقل شهری
• 2. مبانی یادگیری ماشین برای حمل و نقل
• 3. مفاهیم اساسی یادگیری تقویتی
• 4. عوامل در سیستم‌های هوشمند
• 5. محیط‌های پویا و پیچیده
• 6. مدل‌سازی سیستم‌های حمل و نقل شهری
• 7. مفاهیم عامل هوشمند
• 8. یادگیری بدون نظارت در داده‌های حمل و نقل
• 9. یادگیری با نظارت برای پیش‌بینی ترافیک
• 10. کاربرد شبکه‌های عصبی در تحلیل ترافیک
• 11. تحلیل سری‌های زمانی برای پیش‌بینی جریان ترافیک
• 12. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 13. مقایسه MARL با یادگیری تقویتی تک‌عامله
• 14. چارچوب‌های اصلی MARL
• 15. مدل‌های مبتنی بر بازی در MARL
• 16. تعادل نش و کاربردهای آن
• 17. یادگیری تقویتی توزیع‌شده
• 18. یادگیری تقویتی متمرکز
• 19. مباحثی در هماهنگی عامل‌ها
• 20. حل تعارض بین عامل‌ها
• 21. مدل‌سازی تقاطع‌های هوشمند با MARL
• 22. بهینه‌سازی زمان‌بندی چراغ‌های راهنمایی
• 23. مدیریت جریان ترافیک در شبکه‌های پیچیده
• 24. کنترل ترافیک با استفاده از عامل‌های هوشمند
• 25. کاربرد MARL در سیستم‌های حمل و نقل عمومی
• 26. بهینه‌سازی مسیر اتوبوس‌ها
• 27. مدیریت ناوگان تاکسیرانی هوشمند
• 28. پیش‌بینی تقاضا برای خدمات حمل و نقل اشتراکی
• 29. سیستم‌های تحویل هوشمند و بهینه‌سازی مسیر
• 30. کاربرد MARL در مدیریت پارکینگ
• 31. تخصیص بهینه فضاهای پارک
• 32. سیستم‌های حمل و نقل خودران و نقش MARL
• 33. همکاری خودروهای خودران در ترافیک
• 34. مدل‌سازی رفتار رانندگان انسانی
• 35. تحلیل ریسک و ایمنی در سیستم‌های حمل و نقل هوشمند
• 36. ارزیابی عملکرد الگوریتم‌های MARL
• 37. معیارهای ارزیابی در محیط‌های حمل و نقل
• 38. شبیه‌سازی محیط‌های حمل و نقل شهری
• 39. ابزارهای شبیه‌سازی برای MARL
• 40. مدل‌سازی داده‌های واقعی حمل و نقل
• 41. چالش‌های پیاده‌سازی MARL در دنیای واقعی
• 42. مقیاس‌پذیری الگوریتم‌های MARL
• 43. تفسیرپذیری مدل‌های MARL
• 44. تکنیک‌های یادگیری عمیق در MARL
• 45. شبکه‌های عصبی بازگشتی برای داده‌های توالی‌دار
• 46. شبکه‌های عصبی کانولوشنی برای داده‌های مکانی
• 47. یادگیری عمیق تقویتی (DRL) در MARL
• 48. تکنیک‌های DRL برای MARL
• 49. الگوریتم‌های Actor-Critic در MARL
• 50. مباحث پیشرفته در MARL
• 51. یادگیری تقویتی با پاداش پراکنده
• 52. یادگیری تقویتی با بازخورد محدود
• 53. یادگیری تقویتی از طریق مشاهده
• 54. کاربرد MARL در بهبود کیفیت هوا
• 55. کاهش انتشار آلاینده‌ها با مدیریت ترافیک
• 56. بهینه‌سازی مصرف سوخت در حمل و نقل
• 57. طراحی مسیرهای سبز با استفاده از MARL
• 58. مدیریت اضطراری و بحران در حمل و نقل
• 59. پاسخ‌دهی سریع به حوادث ترافیکی
• 60. بهبود تحرک‌پذیری شهری پایدار
• 61. نقش MARL در آینده حمل و نقل شهری
• 62. روندهای تحقیقاتی جدید در MARL برای حمل و نقل
• 63. اخلاق در هوش مصنوعی حمل و نقل
• 64. شفافیت و پاسخگویی سیستم‌های هوشمند
• 65. حفظ حریم خصوصی داده‌های حمل و نقل
• 66. امنیت سایبری در سیستم‌های حمل و نقل هوشمند
• 67. ارتباطات خودرو به خودرو (V2V)
• 68. ارتباطات خودرو به زیرساخت (V2I)
• 69. استانداردهای ارتباطات در حمل و نقل هوشمند
• 70. مدل‌سازی رفتار انسان در ترافیک
• 71. تحلیل روانشناسی رانندگی
• 72. نقش عوامل انسانی در تصادفات
• 73. آموزش عامل‌ها در محیط‌های ناامن
• 74. یادگیری تقویتی با شبیه‌سازی امن
• 75. تکنیک‌های انتقال یادگیری (Transfer Learning)
• 76. کاربرد انتقال یادگیری در MARL حمل و نقل
• 77. یادگیری تقویتی با چند وظیفه‌ای (Multi-task RL)
• 78. بهینه‌سازی همزمان چندین هدف در حمل و نقل
• 79. مدل‌سازی عدم قطعیت در سیستم‌های حمل و نقل
• 80. روش‌های مدیریت عدم قطعیت در MARL
• 81. یادگیری تقویتی با پاداش ضمنی
• 82. استخراج پاداش از داده‌های رفتاری
• 83. کاربرد MARL در برنامه‌ریزی شهری
• 84. تأثیر طراحی شهری بر ترافیک
• 85. مدل‌سازی بلندمدت سیستم‌های حمل و نقل
• 86. ارزیابی اقتصادی پیاده‌سازی MARL
• 87. تحلیل هزینه-فایده سیستم‌های هوشمند
• 88. مقایسه رویکردهای مختلف MARL
• 89. مطالعات موردی موفق MARL در حمل و نقل
• 90. چالش‌های فنی در استقرار سیستم‌های MARL
• 91. به‌روزرسانی و نگهداری مدل‌های MARL
• 92. راهکارهای عملی برای پیاده‌سازی MARL
• 93. آینده پژوهش در هوش مصنوعی حمل و نقل
• 94. تأثیر MARL بر عدالت اجتماعی در حمل و نقل
• 95. دسترسی برابر به خدمات حمل و نقل
• 96. مدیریت ترافیک عابر پیاده و دوچرخه
• 97. نقش MARL در شهر هوشمند
• 98. یکپارچه‌سازی سیستم‌های حمل و نقل با سایر خدمات شهری
• 99. توسعه پایدار و حمل و نقل هوشمند
• 100. چشم‌انداز بلندمدت برای MARL در حمل و نقل شهری