کتاب EXOTIC: الگوریتمی نوین برای حل مسائل بهینه‌سازی Min-Max و کاربرد آن در بازی‌ها و یادگیری متخاصم با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

EXOTIC: دوره جامع حل مسائل Min-Max و کاربردهای شگفت‌انگیز آن | بهینه‌سازی ریاضیاتی EXOTIC: انقلاب در حل مسائل Min-Max | از تئوری تا عمل آیا به دنبال راه‌حلی نوین برای مسائل پیچیده بهینه‌سازی هستید؟ آی...

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره EXOTIC: الگوریتمی نوین برای حل مسائل بهینه‌سازی Min-Max و کاربرد آن در بازی‌ها و یادگیری متخاصم

موضوع کلی: بهینه‌سازی ریاضیاتی و کاربردهای آن

موضوع میانی: الگوریتم‌های دقیق برای بهینه‌سازی Min-Max غیر محدب

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بهینه‌سازی ریاضیاتی
  • 2. مفاهیم اساسی بهینه‌سازی
  • 3. انواع مسائل بهینه‌سازی
  • 4. مسائل بهینه‌سازی محدب و غیرمحدب
  • 5. مقدمه‌ای بر مسائل Min-Max
  • 6. کاربردهای مسائل Min-Max
  • 7. معرفی خانواده مسائل Min-Max
  • 8. فصل اول: مبانی بهینه‌سازی Min-Max
  • 9. تعریف دقیق مسئله Min-Max
  • 10. فرم استاندارد مسائل Min-Max
  • 11. تفاوت مسائل Min-Max با مسائل بهینه‌سازی استاندارد
  • 12. چالش‌های حل مسائل Min-Max
  • 13. مفهوم نقطه زینی (Saddle Point)
  • 14. شرایط لازم برای وجود نقطه زینی
  • 15. شرایط کافی برای وجود نقطه زینی
  • 16. قضیه فون نویمان برای بازی‌های با مجموع صفر
  • 17. فصل دوم: مبانی نظریه بازی‌ها
  • 18. مقدمه‌ای بر نظریه بازی‌ها
  • 19. بازی‌های دوبازیکنه و چندبازیکنه
  • 20. بازی‌های با مجموع صفر و مجموع غیرصفر
  • 21. استراتژی‌های خالص و مختلط
  • 22. مفهوم تعادل نش (Nash Equilibrium)
  • 23. یافتن تعادل نش در بازی‌های ساده
  • 24. کاربرد نظریه بازی‌ها در بهینه‌سازی Min-Max
  • 25. فصل سوم: مسائل Min-Max غیرمحدب
  • 26. چرا مسائل Min-Max غیرمحدب دشوار هستند؟
  • 27. پیچیدگی محاسباتی مسائل Min-Max غیرمحدب
  • 28. مثال‌هایی از مسائل Min-Max غیرمحدب
  • 29. ریشه‌های غیرمحدب بودن در مسائل Min-Max
  • 30. اثرات غیرمحدب بودن بر الگوریتم‌ها
  • 31. فصل چهارم: مرور الگوریتم‌های موجود
  • 32. الگوریتم‌های مبتنی بر گرادیان نزولی/صعودی
  • 33. الگوریتم‌های مبتنی بر نقطه زینی
  • 34. روش‌های تکراری برای یافتن نقطه زینی
  • 35. محدودیت‌های الگوریتم‌های فعلی
  • 36. مقدمه‌ای بر رویکردهای درختی
  • 37. چالش‌های استفاده از رویکردهای درختی
  • 38. فصل پنجم: معرفی الگوریتم EXOTIC
  • 39. ایده اصلی الگوریتم EXOTIC
  • 40. اجزای اصلی الگوریتم EXOTIC
  • 41. ساختار درختی در EXOTIC
  • 42. رویکرد خوش‌بینانه (Optimistic) در EXOTIC
  • 43. دقت (Exactness) در EXOTIC
  • 44. چگونه EXOTIC مسائل Min-Max را حل می‌کند؟
  • 45. مزایای الگوریتم EXOTIC نسبت به روش‌های دیگر
  • 46. مقدمه‌ای بر پیاده‌سازی EXOTIC
  • 47. فصل ششم: ساختار درختی در EXOTIC
  • 48. ساختمان درخت جستجو
  • 49. گره‌ها (Nodes) در درخت
  • 50. یال‌ها (Edges) در درخت
  • 51. مفهوم گره فعال (Active Node)
  • 52. گسترش درخت
  • 53. استراتژی انشعاب (Branching Strategy)
  • 54. قوانین هرس (Pruning Rules)
  • 55. چگونه ساختار درختی به کارایی کمک می‌کند؟
  • 56. فصل هفتم: رویکرد خوش‌بینانه در EXOTIC
  • 57. تعریف رویکرد خوش‌بینانه
  • 58. چگونه خوش‌بینی بر جستجو تأثیر می‌گذارد؟
  • 59. چگونه EXOTIC از اطلاعات قبلی استفاده می‌کند؟
  • 60. برنامه‌ریزی برای کاوش در زیردرخت‌ها
  • 61. ارتباط خوش‌بینی با استراتژی جستجو
  • 62. فصل هشتم: تضمین دقت در EXOTIC
  • 63. تعریف دقت در الگوریتم‌های بهینه‌سازی
  • 64. چگونه EXOTIC دقت را تضمین می‌کند؟
  • 65. نقش جستجوی جامع (Exhaustive Search)
  • 66. مفهوم حد پایین (Lower Bound) و حد بالا (Upper Bound)
  • 67. کاربرد حدود برای اطمینان از یافتن جواب دقیق
  • 68. چگونه EXOTIC از حلقه‌های نامتناهی جلوگیری می‌کند؟
  • 69. اثبات صحت (Correctness Proof) الگوریتم EXOTIC
  • 70. فصل نهم: مراحل اجرایی الگوریتم EXOTIC
  • 71. راه‌اندازی اولیه الگوریتم
  • 72. انتخاب گره ریشه (Root Node)
  • 73. فرآیند گسترش گره‌ها
  • 74. ارزیابی گره‌ها
  • 75. مدیریت صف گره‌ها (Node Queue Management)
  • 76. به‌روزرسانی حدود بهینه
  • 77. مراحل پایان الگوریتم
  • 78. یافتن نقطه زینی نهایی
  • 79. فصل دهم: جزئیات فنی و ریاضیاتی EXOTIC
  • 80. تابع هدف (Objective Function) در EXOTIC
  • 81. قوانین به‌روزرسانی گره‌ها
  • 82. محاسبه حدود در هر گره
  • 83. استفاده از اطلاعات بهینه زیرمسئله‌ها
  • 84. نحوه برخورد با فضاهای جستجوی پیوسته
  • 85. نحوه برخورد با فضاهای جستجوی گسسته
  • 86. فصل یازدهم: بهینه‌سازی و هرس در EXOTIC
  • 87. قوانین هرس برای حذف زیردرخت‌های نامناسب
  • 88. اثر هرس بر کارایی و سرعت
  • 89. انواع مختلف هرس
  • 90. بهینه‌سازی فرآیند گسترش گره‌ها
  • 91. نکات کاربردی در پیاده‌سازی هرس
  • 92. فصل دوازدهم: کاربردهای EXOTIC در بازی‌ها
  • 93. مدل‌سازی بازی‌ها به عنوان مسائل Min-Max
  • 94. مثال: بازی‌های تخته‌ای (مانند شطرنج، گو)
  • 95. برنامه‌ریزی حرکات در بازی‌ها
  • 96. یافتن بهترین استراتژی در بازی‌های رقابتی
  • 97. کاربرد EXOTIC در هوش مصنوعی بازی
  • 98. فصل سیزدهم: کاربردهای EXOTIC در یادگیری متخاصم (Adversarial Learning)
  • 99. مقدمه‌ای بر یادگیری متخاصم
  • 100. آموزش شبکه‌های عصبی در برابر مهاجمان
تگ‌ها: Adversarial Learning AI Algorithms Exact Algorithms EXOTIC Algorithm Game Theory Mathematical Optimization Min-Max Optimization Non-convex Optimization Tree-Based Algorithms بهینه‌سازی Min-Max بهینه‌سازی ریاضیاتی بهینه‌سازی غیر محدب نظریه بازی‌ها هوش مصنوعی یادگیری متخاصم

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.