اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی مسیر و زمان‌بندی در حمل و نقل هوشمند با MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی مسیر و زمان‌بندی در حمل و نقل هوشمند با MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

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

📋 سرفصل‌های دوره

• 1. جایگاه MARL در بهینه‌سازی سیستم‌های حمل‌ونقل هوشمند
• 2. تعریف مسئلهٔ مشترک مسیر، زمان‌بندی و تخصیص منابع
• 3. معماری لایه‌ای مدیریت ترافیک و عامل‌های تصمیم‌گیر
• 4. نمایش شبکهٔ jalan به‌صورت گراف دینامیک
• 5. شاخص‌های جریان، چگالی، سرعت و تأخیر ترافیک
• 6. مدل‌سازی تقاضای پویای سفر در مقیاس کلان
• 7. فرمول‌بندی بهینه‌سازی مسیر به‌صورت مسئلهٔ تصمیم‌گیری
• 8. فرمول‌بندی زمان‌بندی چراغ‌های راهنمایی
• 9. فرمول‌بندی زمان‌بندی ناوگان و اعزام وسایل نقلیه
• 10. چالش‌های بهینه‌سازی توأمان مسیر و زمان‌بندی
• 11. مرور یادگیری تقویتی تک‌عامله
• 12. محدودیت‌های کنترل متمرکز در شبکه‌های بزرگ
• 13. دسته‌بندی روش‌های MARL
• 14. مدل Dec-POMDP برای محیط ترافیک
• 15. آموزش متمرکز و اجرا غیرمتمرکز
• 16. ناپایداری محیط در یادگیری چندعامله
• 17. تصمیم‌گیری با مشاهدهٔ جزئی
• 18. تخصیص اعتبار در سیستم‌های چندتقاطع و چندوسیله
• 19. هماهنگی میان عامل‌ها و پرهیز از تصمیم‌های متعارض
• 20. ارتباط و اشتراک‌گذاری اطلاعات میان عامل‌ها
• 21. تعادل‌های بازی و کارایی سیستم
• 22. طراحی پاداش فردی، جمعی و مبتنی بر شلوغی
• 23. یادگیری تقویتی مقید و الزامات ایمنی
• 24. انتخاب سطح عامل‌ها در وسایل نقلیه، تقاطع‌ها و پهنه‌ها
• 25. طراحی فضای حالت و مشاهده برای عامل‌های ترافیکی
• 26. طراحی فضای اقدام گسسته و پیوسته
• 27. مدل‌سازی زمان سفر تصادفی و دینامیک محیط
• 28. پیش‌بینی تقاضا و زمان سفر برای تصمیم‌گیری
• 29. عامل‌های ناهمگن و اولویت‌های متفاوت کاربران
• 30. یادگیری Q چندعامله و Q-learning مستقل
• 31. تجزیهٔ مقدار با VDN
• 32. تجزیهٔ مقدار با QMIX
• 33. روش QTRAN و محدودیت‌های نمایش ارزش مشترک
• 34. الگوریتم MADDPG برای اقدام‌های پیوسته
• 35. یادگیری سیاست چندعامله با MAPPO
• 36. پاداش ضدواقعی و COMA
• 37. یادگیری میانگین‌میدان برای جمعیت‌های بزرگ
• 38. یادگیری تقویتی چندعامله مبتنی بر گراف
• 39. MARL سلسله‌مراتبی برای کنترل شبکه‌های کلان
• 40. MARL مدل‌مبنا در شبیه‌سازی ترافیک
• 41. یادگیری آفلاین چندعامله از داده‌های ترافیکی
• 42. انتقال از یادگیری آفلاین به بهره‌برداری آنلاین
• 43. یادگیری از رفتارهای کارشناس و نمایش تقلیدی
• 44. مسیریابی پویای کوتاه‌ترین مسیر با MARL
• 45. مسیریابی آگاه از ازدحام و ظرفیت لینک‌ها
• 46. مسیریابی چندهدفه بر اساس زمان، انرژی و قابلیت اطمینان
• 47. مسیریابی مقاوم در برابر عدم قطعیت تقاضا و حادثه
• 48. تخصیص جریان چندمبدأ-مقصد در شبکه
• 49. اعزام و متوازن‌سازی ناوگان وسایل نقلیه
• 50. سامانه‌های پیشنهاد مسیر و اثر نرخ پیروی کاربران
• 51. اثرات تعادلی، ازدحام القایی و پارادوکس براس
• 52. عدالت و توزیع متوازن تأخیر میان کاربران و مناطق
• 53. کنترل تطبیقی تقاطع منفرد با MARL
• 54. انتخاب ترتیب فازها و زمان سبز در تقاطع‌ها
• 55. هماهنگی چراغ‌های راهنمایی در شریان‌ها
• 56. هماهنگی سیگنال‌ها در شبکه‌های چندتقاطعی
• 57. اولویت‌دهی به وسایل نقلیهٔ امدادی و اضطراری
• 58. اولویت‌دهی به حمل‌ونقل عمومی و وسایل نقلیهٔ مشترک
• 59. مدیریت عابران پیاده، دوچرخه‌ها و کاربران آسیب‌پذیر
• 60. پاسخ هماهنگ به تصادف، حادثه و بسته‌شدن مسیر
• 61. فرمول‌بندی بهینه‌سازی یکپارچهٔ مسیر و سیگنال
• 62. طراحی اقدام‌های مشترک و وابستگی‌های فضایی
• 63. تخصیص اعتبار در کنترل توأمان مسیر و زمان‌بندی
• 64. کنترل سلسله‌مراتبی چندمقیاس زمانی
• 65. تجزیهٔ شبکه به زیرناحیه‌های هماهنگ
• 66. مقیاس‌پذیری، محاسبهٔ توزیع‌شده و زمان واقعی
• 67. انتقال سیاست میان شهرها و سناریوهای ترافیکی
• 68. زمان‌بندی حرکت و اعزام اتوبوس‌ها با MARL
• 69. زمان‌بندی ناوگان سرویس درخواستی و اشتراک سفر
• 70. مسیریابی و زمان‌بندی حمل‌ونقل بار و تحویل شهری
• 71. مسیریابی ناوگان الکتریکی و زمان‌بندی شارژ
• 72. هماهنگی ناوگان‌های ترکیبی سواری، عمومی و باری
• 73. شبیه‌سازی با SUMO و CityFlow
• 74. تولید سناریوهای تقاضا، حادثه و شرایط ویژه
• 75. معیارهای سفر، شبکه، محیط‌زیست و عدالت
• 76. خط‌مشی‌های پایه و مقایسه با روش‌های کلاسیک
• 77. طراحی آزمایش، آزمون‌های آماری و تحلیل حساسیت
• 78. تحلیل پایداری، همگرایی و خطای تعمیم
• 79. دوقلوی دیجیتال و اعتبارسنجی پیش از استقرار
• 80. ایمنی، پایش و بازیابی عامل‌ها در محیط واقعی
• 81. استنتاج بلادرنگ، محدودیت‌های محاسباتی و به‌روزرسانی سیاست
• 82. حریم خصوصی، امنیت و یادگیری فدرال
• 83. تفسیرپذیری سیاست‌های چندعامله و عیب‌یابی تصمیم‌ها
• 84. پروژهٔ پایانی: طراحی و ارزیابی یک سامانهٔ MARL مقیاس‌پذیر