دوره تسلط بر بازی‌های میدان میانگین استکلبرگ: از تئوری تا پیاده‌سازی با AC-SMFG همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر بازی‌های میدان میانگین استکلبرگ: از تئوری تا پیاده‌سازی با AC-SMFG

موضوع کلی: یادگیری تقویتی چندعامله و تئوری بازی‌ها

موضوع میانی: بازی‌های میدان میانگین استکلبرگ: تئوری و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری تقویتی
• 2. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 3. مبانی تئوری بازی‌ها
• 4. مبانی بازی‌های تفکیکی
• 5. مبانی بازی‌های دینامیکی
• 6. مبانی بازی‌های با اطلاعات ناقص
• 7. مقدمه‌ای بر مفاهیم میدان میانگین (Mean Field)
• 8. تئوری بازی‌های میدان میانگین (MFG)
• 9. کاربرد بازی‌های میدان میانگین
• 10. مقدمه‌ای بر استراتژی‌های استکلبرگ (Stackelberg Strategies)
• 11. بازی‌های استکلبرگ: تعریف و خواص
• 12. تفاوت بازی‌های استکلبرگ با بازی‌های ناش (Nash Games)
• 13. مبانی یادگیری در بازی‌های چندعامله
• 14. یادگیری در بازی‌های با یک عامل (Single-Agent RL)
• 15. روش‌های یادگیری تقویتی کلاسیک (Q-Learning, SARSA)
• 16. روش‌های یادگیری تقویتی عمیق (DQN, Policy Gradients)
• 17. چالش‌های یادگیری در بازی‌های چندعامله
• 18. وابستگی متقابل استراتژی‌ها
• 19. عدم ایستایی محیط (Non-stationarity)
• 20. مقیاس‌پذیری (Scalability)
• 21. بازی‌های میدان میانگین استکلبرگ (SMFG): تعریف رسمی
• 22. مولفه‌های یک بازی میدان میانگین استکلبرگ
• 23. نقش رهبر (Leader) و پیرو (Follower) در SMFG
• 24. مدل‌سازی مسائل با SMFG
• 25. حل تحلیلی SMFG (در صورت امکان)
• 26. مفهوم تعادل استکلبرگ در MFG
• 27. تعریف تعادل استکلبرگ در SMFG
• 28. وجود و یکتایی تعادل در SMFG
• 29. مشکلات محاسباتی در یافتن تعادل SMFG
• 30. نیاز به الگوریتم‌های یادگیری برای SMFG
• 31. مقدمه‌ای بر یادگیری در SMFG
• 32. چالش‌های یادگیری در SMFG
• 33. عدم قطعیت در مدل محیطی SMFG
• 34. عدم قطعیت در رفتار عاملان دیگر
• 35. مقاله‌ی "Learning in Stackelberg Mean Field Games: A Non-Asymptotic Analysis"
• 36. اهمیت تحلیل غیرمجازی (Non-Asymptotic Analysis)
• 37. مفاهیم کلیدی در تحلیل غیرمجازی
• 38. کوانتیزاسیون (Quantization) در SMFG
• 39. تکنیک‌های کوانتیزاسیون فضای حالت (State Space Quantization)
• 40. تکنیک‌های کوانتیزاسیون فضای عمل (Action Space Quantization)
• 41. استفاده از کوانتیزاسیون در یادگیری SMFG
• 42. الگوریتم AC-SMFG (Actor-Critic for Stackelberg Mean Field Games)
• 43. ساختار کلی الگوریتم AC-SMFG
• 44. نقش عامل بازیگر (Actor) در AC-SMFG
• 45. نقش عامل منتقد (Critic) در AC-SMFG
• 46. یادگیری استراتژی رهبر (Leader Policy Learning)
• 47. یادگیری استراتژی پیرو (Follower Policy Learning)
• 48. تعامل رهبر و پیرو در AC-SMFG
• 49. پیش‌بینی رفتار پیرو توسط رهبر
• 50. بهینه‌سازی استراتژی رهبر با در نظر گرفتن پیش‌بینی پیرو
• 51. مفهوم "همگرایی" (Convergence) در یادگیری RL
• 52. همگرایی الگوریتم‌های RL کلاسیک
• 53. همگرایی در بازی‌های چندعامله
• 54. همگرایی در بازی‌های میدان میانگین
• 55. همگرایی در بازی‌های استکلبرگ
• 56. تحلیل غیرمجازی همگرایی AC-SMFG
• 57. کران‌های مجاز (Bounds) در تحلیل غیرمجازی
• 58. کران‌های خطا (Error Bounds)
• 59. کران‌های مجاز برای تعداد نمونه‌ها (Sample Complexity Bounds)
• 60. تاثیر پارامترهای الگوریتم بر همگرایی
• 61. نقش اندازه میدان میانگین (Mean Field Size)
• 62. نقش نرخ یادگیری (Learning Rate)
• 63. نقش عاملان پیرو (Follower Agents)
• 64. پیاده‌سازی عملی AC-SMFG
• 65. انتخاب معماری شبکه عصبی برای عامل بازیگر
• 66. انتخاب معماری شبکه عصبی برای عامل منتقد
• 67. انتخاب تابع پاداش (Reward Function) مناسب
• 68. انتخاب استراتژی کاوش (Exploration Strategy)
• 69. استراتژی‌های تجمیع (Aggregation Strategies) برای میدان میانگین
• 70. کاربرد TF-IDF در تخمین توزیع میدان میانگین
• 71. روش‌های دیگر تخمین توزیع میدان میانگین
• 72. مدل‌سازی محیط‌های پویا (Dynamic Environments)
• 73. مدل‌سازی محیط‌های با توابع پاداش پیچیده
• 74. مدل‌سازی محیط‌های با فضای حالت بزرگ
• 75. اعمال AC-SMFG در سناریوهای مختلف
• 76. مدیریت ترافیک شهری با SMFG
• 77. بهینه‌سازی مصرف انرژی در شبکه‌های هوشمند با SMFG
• 78. مدیریت منابع در سیستم‌های توزیع‌شده با SMFG
• 79. کاربرد AC-SMFG در رباتیک و سیستم‌های خودمختار
• 80. مثال‌های عملیاتی و مطالعات موردی
• 81. شبیه‌سازی محیط برای آزمایش AC-SMFG
• 82. ارزیابی عملکرد AC-SMFG در مقابل الگوریتم‌های دیگر
• 83. مقایسه با رویکردهای مبتنی بر Nash Equilibrium
• 84. مقایسه با رویکردهای یادگیری متمرکز (Centralized Learning)
• 85. تحلیل حساسیت (Sensitivity Analysis) الگوریتم AC-SMFG
• 86. تأثیر نویز (Noise) در محیط بر عملکرد الگوریتم
• 87. تأثیر محدودیت‌های ارتباطی (Communication Constraints)
• 88. جنبه‌های پیشرفته در AC-SMFG
• 89. یادگیری در SMFG با تعداد متغیر عاملان
• 90. SMFG با اطلاعات ناقص و پنهان
• 91. SMFG با اهداف متضاد (Conflicting Objectives)
• 92. یادگیری فعال (Active Learning) در SMFG
• 93. یادگیری فدرال (Federated Learning) در SMFG
• 94. یادگیری با تقویتی از طریق مدل (Model-Based RL) در SMFG
• 95. طراحی توابع پاداش برای SMFG
• 96. روش‌های اعتبارسنجی (Validation) برای مدل‌های SMFG
• 97. اهمیت ویژگی‌های مهندسی شده (Engineered Features)
• 98. مقیاس‌پذیری AC-SMFG به تعداد زیاد عاملان
• 99. محدودیت‌های فعلی AC-SMFG
• 100. مسائل اخلاقی و امنیتی در SMFG