سپنتا کتاب اکسپرس
کتاب مقایسه عملکرد الگوریتم‌های مختلف یادگیری تقویتی چندعامله

کتاب مقایسه عملکرد الگوریتم‌های مختلف یادگیری تقویتی چندعامله

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 مقایسه عملکرد الگوریتم‌های مختلف یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: تجزیه و تحلیل عملکرد

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری تقویتی چندعامله
  • 2. مفهوم عامل و محیط در یادگیری تقویتی
  • 3. انواع عامل‌ها در سیستم‌های چندعامله
  • 4. مدل‌های فضای حالت و عمل در سیستم‌های چندعامله
  • 5. توابع پاداش و جریمه در سیستم‌های چندعامله
  • 6. انواع بازی‌ها در نظریه بازی‌ها و ارتباط آن با یادگیری تقویتی چندعامله
  • 7. بازی‌های هم‌زمان و ترتیبی
  • 8. بازی‌های با مجموع صفر و مجموع غیرصفر
  • 9. مفهوم تعادل نش و کاربرد آن در سیستم‌های چندعامله
  • 10. الگوریتم‌های یادگیری تقویتی تک‌عامله: Q-Learning
  • 11. الگوریتم‌های یادگیری تقویتی تک‌عامله: SARSA
  • 12. الگوریتم‌های یادگیری تقویتی تک‌عامله: Policy Gradients
  • 13. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
  • 14. چالش‌های اساسی در MARL: عدم ایستایی محیط
  • 15. چالش‌های اساسی در MARL: عدم قطعیت و پیچیدگی
  • 16. چالش‌های اساسی در MARL: هم‌گرایی الگوریتم‌ها
  • 17. طبقه‌بندی الگوریتم‌های MARL
  • 18. الگوریتم‌های مبتنی بر بازی: Minimax-Q
  • 19. الگوریتم‌های مبتنی بر بازی: Nash-Q
  • 20. الگوریتم‌های مبتنی بر بازی: Extended-Nash-Q
  • 21. الگوریتم‌های مبتنی بر بازی: Correlated-Q
  • 22. الگوریتم‌های مبتنی بر مزایده: Greedy-Max-Q
  • 23. الگوریتم‌های مبتنی بر مزایده: auctions-based MARL
  • 24. الگوریتم‌های مبتنی بر مزایده: auction-based Q-learning
  • 25. الگوریتم‌های مبتنی بر مزایده: auction-based SARSA
  • 26. الگوریتم‌های مبتنی بر تجزیه: State-Action Decomposition
  • 27. الگوریتم‌های مبتنی بر تجزیه: Factored MARL
  • 28. الگوریتم‌های مبتنی بر تجزیه: COMA (Counterfactual Multi-Agent Policy Gradients)
  • 29. الگوریتم‌های مبتنی بر تجزیه: MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
  • 30. الگوریتم‌های مبتنی بر تجزیه: VDN (Value Decomposition Networks)
  • 31. الگوریتم‌های مبتنی بر تجزیه: QMIX (Q-learning for Multi-Agent)
  • 32. الگوریتم‌های مبتنی بر تجزیه: QTRAN (Q-function Transformation)
  • 33. الگوریتم‌های مبتنی بر تجزیه: DIAL (Differentiable Inter-Agent Learning)
  • 34. الگوریتم‌های مبتنی بر تجزیه: DRQN (Deep Recurrent Q-Network) برای MARL
  • 35. الگوریتم‌های مبتنی بر تجزیه: R2D2 (Recurrent Replay Distributed DQN) برای MARL
  • 36. یادگیری تقویتی مرکزی و غیرمرکزی در MARL
  • 37. یادگیری تقویتی مرکزی: Centralized Training with Decentralized Execution (CTDE)
  • 38. یادگیری تقویتی غیرمرکزی: Independent Q-Learning (IQL)
  • 39. یادگیری تقویتی غیرمرکزی: Independent SARSA
  • 40. یادگیری تقویتی غیرمرکزی: Independent Policy Gradients
  • 41. یادگیری تقویتی غیرمرکزی: Multi-Agent Actor-Critic
  • 42. یادگیری تقویتی مبتنی بر شبیه‌ساز
  • 43. ارزیابی عملکرد الگوریتم‌های MARL
  • 44. معیارهای ارزیابی در MARL: نرخ موفقیت
  • 45. معیارهای ارزیابی در MARL: کارایی منابع
  • 46. معیارهای ارزیابی در MARL: زمان هم‌گرایی
  • 47. معیارهای ارزیابی در MARL: پایداری عملکرد
  • 48. سناریوهای کاربردی MARL: رباتیک و اتوماسیون
  • 49. سناریوهای کاربردی MARL: مدیریت ترافیک
  • 50. سناریوهای کاربردی MARL: سیستم‌های توزیع‌شده
  • 51. سناریوهای کاربردی MARL: بازی‌های کامپیوتری
  • 52. سناریوهای کاربردی MARL: شبکه‌های حسگر بی‌سیم
  • 53. سناریوهای کاربردی MARL: بهینه‌سازی مصرف انرژی
  • 54. سناریوهای کاربردی MARL: سیستم‌های توصیه‌گر چندعامله
  • 55. پیاده‌سازی الگوریتم‌های MARL با استفاده از فریم‌ورک‌های یادگیری عمیق
  • 56. TensorFlow برای MARL
  • 57. PyTorch برای MARL
  • 58. Ray RLlib برای MARL
  • 59. OpenAI Gym و محیط‌های چندعامله
  • 60. محیط‌های شبیه‌سازی چندعامله: PettingZoo
  • 61. محیط‌های شبیه‌سازی چندعامله: SMAC (StarCraft Multi-Agent Challenge)
  • 62. محیط‌های شبیه‌سازی چندعامله: Multi-Agent Particle Environment
  • 63. محیط‌های شبیه‌سازی چندعامله: GridWorld
  • 64. محیط‌های شبیه‌سازی چندعامله: Highway Env
  • 65. محیط‌های شبیه‌سازی چندعامله: RoboSchool
  • 66. محیط‌های شبیه‌سازی چندعامله: Unity ML-Agents
  • 67. مطالعات موردی در MARL: آموزش ربات‌ها برای همکاری
  • 68. مطالعات موردی در MARL: بهینه‌سازی مسیریابی در شبکه‌های توزیع‌شده
  • 69. مطالعات موردی در MARL: کنترل هوشمند ترافیک شهری
  • 70. مطالعات موردی در MARL: مدیریت منابع در سیستم‌های ابری
  • 71. مطالعات موردی در MARL: بازی‌های استراتژیک چندنفره
  • 72. مطالعات موردی در MARL: هماهنگی وسایل نقلیه خودران
  • 73. مطالعات موردی در MARL: تخصیص منابع در شبکه‌های مخابراتی
  • 74. مطالعات موردی در MARL: سیستم‌های توصیه‌گر پویا
  • 75. مروری بر پژوهش‌های اخیر در MARL
  • 76. روندهای آینده در MARL
  • 77. یادگیری تقویتی چندعامله برای مسائل با تعداد متغیر عامل‌ها
  • 78. یادگیری تقویتی چندعامله با ارتباطات بین عامل‌ها
  • 79. یادگیری تقویتی چندعامله با اخلاق و انصاف
  • 80. یادگیری تقویتی چندعامله در محیط‌های پویا و غیرقابل پیش‌بینی
  • 81. یادگیری تقویتی چندعامله در مقیاس بزرگ
  • 82. یادگیری تقویتی چندعامله برای مسائل امنیتی
  • 83. یادگیری تقویتی چندعامله برای مسائل اقتصادی
  • 84. یادگیری تقویتی چندعامله برای مسائل پزشکی
  • 85. یادگیری تقویتی چندعامله برای مسائل زیست‌محیطی
  • 86. یادگیری تقویتی چندعامله با رویکردهای یادگیری انتقالی
  • 87. یادگیری تقویتی چندعامله با رویکردهای یادگیری فدرال
  • 88. یادگیری تقویتی چندعامله با رویکردهای یادگیری تقویتی مبتنی بر مدل
  • 89. یادگیری تقویتی چندعامله با رویکردهای یادگیری تقویتی بدون مدل
  • 90. یادگیری تقویتی چندعامله در چارچوب نظریه بازی‌های تکاملی
  • 91. یادگیری تقویتی چندعامله در چارچوب شبکه‌های عصبی گراف
  • 92. یادگیری تقویتی چندعامله در چارچوب یادگیری عمیق تقویتی
  • 93. یادگیری تقویتی چندعامله در چارچوب یادگیری تقویتی مبتنی بر عامل
  • 94. یادگیری تقویتی چندعامله در چارچوب یادگیری تقویتی مبتنی بر هیئت
  • 95. یادگیری تقویتی چندعامله در چارچوب یادگیری تقویتی مبتنی بر عامل-هیئت
  • 96. بررسی محدودیت‌های فعلی الگوریتم‌های MARL
  • 97. راهکارهای پیشنهادی برای غلبه بر محدودیت‌ها
  • 98. اهمیت انتخاب الگوریتم مناسب بر اساس نوع مسئله
  • 99. نکات کلیدی در پیاده‌سازی و تنظیم پارامترهای الگوریتم‌های MARL

📚 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.