سپنتا کتاب اکسپرس
کتاب یادگیری تقویتی چندعامله برای کاهش تراکم و زمان سفر در شهرها

کتاب یادگیری تقویتی چندعامله برای کاهش تراکم و زمان سفر در شهرها

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای کاهش تراکم و زمان سفر در شهرها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل درون شهری

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری تقویتی
  • 2. مفاهیم عامل، محیط و پاداش
  • 3. فضای حالت و فضای عمل
  • 4. مدل‌های یادگیری تقویتی
  • 5. یادگیری تقویتی بدون مدل (Model-Free)
  • 6. یادگیری تقویتی مبتنی بر مدل (Model-Based)
  • 7. الگوریتم‌های یادگیری Q
  • 8. یادگیری Q-Learning
  • 9. یادگیری Deep Q-Network (DQN)
  • 10. بهینه‌سازی DQN
  • 11. Double DQN
  • 12. Dueling DQN
  • 13. Prioritized Experience Replay
  • 14. Actor-Critic Methods
  • 15. الگوریتم‌های Actor-Critic
  • 16. A2C (Advantage Actor-Critic)
  • 17. A3C (Asynchronous Advantage Actor-Critic)
  • 18. Proximal Policy Optimization (PPO)
  • 19. Trust Region Policy Optimization (TRPO)
  • 20. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning - MARL)
  • 21. مبانی یادگیری تقویتی چندعامله
  • 22. چالش‌های MARL
  • 23. همکاری و رقابت در MARL
  • 24. مدل‌های یادگیری تقویتی چندعامله
  • 25. مرکزیت‌زدایی در MARL
  • 26. همکاری عامل‌ها
  • 27. رقابت عامل‌ها
  • 28. ترکیبی از همکاری و رقابت
  • 29. یادگیری تقویتی برای مدیریت ترافیک شهری
  • 30. مدل‌سازی تقاطع‌های ترافیکی
  • 31. بهینه‌سازی سیگنال‌های راهنمایی و رانندگی
  • 32. مدیریت جریان ترافیک
  • 33. پیش‌بینی تراکم ترافیکی
  • 34. کاهش زمان سفر
  • 35. کاهش مصرف سوخت
  • 36. بهبود کیفیت هوا
  • 37. یادگیری تقویتی برای تخصیص منابع شهری
  • 38. تخصیص خدمات حمل و نقل عمومی
  • 39. مدیریت پارکینگ هوشمند
  • 40. تخصیص ایستگاه‌های اشتراک دوچرخه
  • 41. تخصیص ایستگاه‌های شارژ خودروهای برقی
  • 42. بهینه‌سازی مسیرهای جمع‌آوری زباله
  • 43. یادگیری تقویتی برای برنامه‌ریزی شهری
  • 44. توسعه شبکه‌های حمل و نقل
  • 45. تخصیص کاربری زمین
  • 46. مدیریت رویدادهای شهری
  • 47. برنامه‌ریزی اضطراری
  • 48. یادگیری تقویتی برای سیستم‌های هوشمند حمل و نقل
  • 49. اتصال‌پذیری خودروها (V2X)
  • 50. خودروهای خودران
  • 51. سیستم‌های مدیریت ترافیک انطباقی
  • 52. بهینه‌سازی مسیریابی پویا
  • 53. یادگیری تقویتی در اقتصاد حمل و نقل
  • 54. تحلیل رفتار رانندگان
  • 55. مدل‌سازی تقاضای سفر
  • 56. قیمت‌گذاری پویا در حمل و نقل
  • 57. یادگیری تقویتی در علوم داده شهری
  • 58. تحلیل داده‌های سنسورهای شهری
  • 59. شناسایی الگوهای رفتاری
  • 60. پیش‌بینی حوادث شهری
  • 61. بهینه‌سازی طراحی شهری
  • 62. یادگیری تقویتی برای بهینه‌سازی مصرف انرژی
  • 63. مدیریت مصرف انرژی ساختمان‌ها
  • 64. بهینه‌سازی شبکه‌های توزیع انرژی
  • 65. مدیریت تقاضای انرژی
  • 66. یادگیری تقویتی در رباتیک شهری
  • 67. ربات‌های تحویل کالا
  • 68. ربات‌های نظافت شهری
  • 69. ربات‌های ناوبری در محیط‌های پیچیده
  • 70. یادگیری تقویتی برای بهینه‌سازی زنجیره تأمین
  • 71. مسیریابی بهینه وسایل نقلیه
  • 72. مدیریت موجودی
  • 73. بهینه‌سازی لجستیک شهری
  • 74. یادگیری تقویتی برای بهینه‌سازی خدمات شهری
  • 75. مدیریت زمان‌بندی خدمات
  • 76. بهینه‌سازی پاسخگویی به تقاضا
  • 77. بهبود کارایی خدمات
  • 78. یادگیری تقویتی برای شبیه‌سازی شهری
  • 79. شبیه‌سازی رفتار عامل‌ها
  • 80. شبیه‌سازی پویایی‌های شهری
  • 81. ارزیابی سیاست‌های شهری
  • 82. یادگیری تقویتی پیشرفته در MARL
  • 83. بازی‌های تکرارشونده در MARL
  • 84. بازی‌های صفر و یک در MARL
  • 85. بازی‌های غیرصفر و یک در MARL
  • 86. نظریه بازی‌ها و MARL
  • 87. توازن نش در MARL
  • 88. یادگیری تقویتی با پاداش‌های پراکنده
  • 89. یادگیری تقویتی با پاداش‌های منفی
  • 90. یادگیری تقویتی با پاداش‌های ترکیبی
  • 91. یادگیری تقویتی برای سیستم‌های توزیع‌شده
  • 92. یادگیری تقویتی با ارتباطات محدود
  • 93. یادگیری تقویتی با عامل‌های ناهماهنگ
  • 94. یادگیری تقویتی برای شهر هوشمند
  • 95. امنیت در سیستم‌های شهری هوشمند
  • 96. حریم خصوصی در داده‌های شهری
  • 97. اخلاق در هوش مصنوعی شهری
  • 98. کاربرد MARL در حکمرانی شهری
  • 99. تحلیل داده‌های کلان شهری
  • 100. پیش‌بینی و مدیریت بحران

📚 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.