کتاب یادگیری تقویتی چندعامله: الگوریتم‌ها، تکنیک‌ها و پیاده‌سازی برای بازی‌های استراتژیک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری تقویتی چندعامله: الگوریتم‌ها، تکنیک‌ها و پیاده‌سازی برای بازی‌های استراتژیک

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بازی‌های استراتژیک پیچیده

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری تقویتی چندعامله
  • 2. مبانی یادگیری تقویتی
  • 3. مفهوم عامل
  • 4. مفهوم محیط
  • 5. حالت، عمل، پاداش
  • 6. فرایند تصمیم گیری مارکوف (MDP)
  • 7. پاداش تجمعی
  • 8. تابع ارزش
  • 9. تابع سیاست
  • 10. الگوریتم های یادگیری تقویتی تک عامله
  • 11. یادگیری Q
  • 12. یادگیری Deep Q (DQN)
  • 13. یادگیری سیاست گرادیان (Policy Gradient)
  • 14. Actor-Critic
  • 15. مقدمه ای بر یادگیری تقویتی چندعامله (MARL)
  • 16. تفاوت های MARL با RL تک عامله
  • 17. چالش های MARL
  • 18. همکاری در مقابل رقابت
  • 19. همگام سازی و عدم همگام سازی
  • 20. محیط های MARL
  • 21. بازی های استراتژیک
  • 22. مفهوم بازی
  • 23. انواع بازی ها (همکاری، رقابتی، مختلط)
  • 24. بازی های صفر و یک
  • 25. بازی های با مجموع غیرصفر
  • 26. بازی های پویا
  • 27. بازی های با اطلاعات کامل و ناقص
  • 28. بازی های با اطلاعات همزمان و متوالی
  • 29. مفاهیم کلیدی در بازی های استراتژیک
  • 30. استراتژی ها
  • 31. تعادل نش (Nash Equilibrium)
  • 32. بهترین پاسخ (Best Response)
  • 33. ساختارهای تصمیم گیری
  • 34. انواع استراتژی ها در بازی های استراتژیک
  • 35. استراتژی های خالص و مختلط
  • 36. استراتژی های متوالی
  • 37. استراتژی های تطبیقی
  • 38. الگوریتم های MARL برای بازی های استراتژیک
  • 39. روش های مبتنی بر تعادل
  • 40. محاسبه تعادل نش در بازی های متناهی
  • 41. الگوریتم های یافتن تعادل نش
  • 42. روش های مبتنی بر یادگیری
  • 43. یادگیری Q چندعامله (Multi-Agent Q-Learning)
  • 44. یادگیری Q مشترک (Joint Q-Learning)
  • 45. یادگیری Q مستقل (Independent Q-Learning - IQL)
  • 46. چالش های IQL
  • 47. روش های مبتنی بر سیاست
  • 48. یادگیری سیاست گرادیان چندعامله
  • 49. Actor-Critic چندعامله
  • 50. روش های مبتنی بر مدل
  • 51. یادگیری مدل محیط مشترک
  • 52. یادگیری مدل های مجزا
  • 53. پیاده سازی الگوریتم های MARL
  • 54. انتخاب زبان برنامه نویسی
  • 55. کتابخانه ها و فریمورک های مفید
  • 56. OpenAI Gym
  • 57. PettingZoo
  • 58. RLlib
  • 59. TensorFlow
  • 60. PyTorch
  • 61. محیط های شبیه سازی بازی های استراتژیک
  • 62. StarCraft II
  • 63. AlphaStar
  • 64. Overcooked
  • 65. Hanabi
  • 66. سایر محیط های بازی
  • 67. طراحی معماری شبکه عصبی برای MARL
  • 68. شبکه های کانولوشنال (CNN)
  • 69. شبکه های بازگشتی (RNN)
  • 70. شبکه های ترنسفورمر (Transformer)
  • 71. شبکه های گراف عصبی (GNN)
  • 72. نحوه ترکیب شبکه های عصبی در MARL
  • 73. تکنیک های پیشرفته در MARL
  • 74. تجزیه و تحلیل عامل (Agent Abstraction)
  • 75. تجزیه و تحلیل محیط (Environment Abstraction)
  • 76. ارتباطات بین عامل ها (Agent Communication)
  • 77. یادگیری ارتباطات
  • 78. پروتکل های ارتباطی
  • 79. یادگیری تطبیقی (Adaptive Learning)
  • 80. یادگیری فدرال (Federated Learning) در MARL
  • 81. یادگیری تقویتی توزیع شده (Distributed MARL)
  • 82. استراتژی های اکتشاف (Exploration Strategies) در MARL
  • 83. استراتژی های رقابتی (Competition Strategies)
  • 84. استراتژی های همکاری (Cooperation Strategies)
  • 85. استراتژی های تعادل (Equilibrium Strategies)
  • 86. روش های کاهش ابعاد در MARL
  • 87. روش های افزایش داده (Data Augmentation) در MARL
  • 88. تکنیک های تنظیم هایپرپارامتر (Hyperparameter Tuning)
  • 89. اعتبارسنجی و ارزیابی مدل های MARL
  • 90. معیارهای ارزیابی در بازی های استراتژیک
  • 91. مقایسه عملکرد الگوریتم ها
  • 92. تحلیل حساسیت (Sensitivity Analysis)
  • 93. کاربردهای MARL در بازی های استراتژیک
  • 94. بازی های کامپیوتری
  • 95. بازی های رومیزی
  • 96. شبیه سازی های استراتژیک
  • 97. تحلیل رفتار انسانی در بازی ها
  • 98. پیش بینی رفتار بازیکنان
  • 99. طراحی سیستم های بازی هوشمند
  • 100. توسعه ربات های بازیگر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.