کتاب یادگیری تقویتی چندعامله در بهینه‌سازی حمل و نقل ملی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله در بهینه‌سازی حمل و نقل ملی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس ملی با استفاده از داده‌های سنسورهای جاده‌ای

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. روش‌های حل مسائل یادگیری تقویتی
• 5. مدل‌های مارکوف و فرایندهای تصمیم‌گیری مارکوف
• 6. تابع ارزش و معادله بلمن
• 7. روش‌های تکرار ارزش
• 8. روش‌های سیاست‌یابی
• 9. یادگیری تقویتی مدل‌محور
• 10. یادگیری تقویتی بدون مدل
• 11. تفاوت بین روش‌های On-Policy و Off-Policy
• 12. روش Q-Learning
• 13. روش SARSA
• 14. جستجوی اکتشافی-بهره‌برداری (Exploration-Exploitation)
• 15. روش‌های مبتنی بر تابع تقریب
• 16. شبکه‌های عصبی و یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 17. معرفی چارچوب‌های یادگیری تقویتی (مانند OpenAI Gym)
• 18. کاربرد یادگیری تقویتی در حمل و نقل
• 19. مدل‌سازی سیستم‌های حمل و نقل
• 20. بهینه‌سازی ترافیک شهری با یادگیری تقویتی
• 21. مدیریت ناوگان حمل و نقل با یادگیری تقویتی
• 22. مسائل مسیریابی و زمان‌بندی با یادگیری تقویتی
• 23. کنترل چراغ‌های راهنمایی با یادگیری تقویتی
• 24. بهینه‌سازی جریان ترافیک در بزرگراه‌ها
• 25. پیش‌بینی تقاضای سفر با استفاده از یادگیری تقویتی
• 26. مدیریت پارکینگ با یادگیری تقویتی
• 27. مسائل زنجیره تامین و لجستیک با یادگیری تقویتی
• 28. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning)
• 29. هماهنگی بین عوامل در سیستم‌های حمل و نقل
• 30. بازی‌های تکراری و یادگیری تقویتی
• 31. چالش‌های پیاده‌سازی یادگیری تقویتی در دنیای واقعی
• 32. جمع‌آوری داده و شبیه‌سازی در یادگیری تقویتی حمل و نقل
• 33. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی
• 34. روش‌های کاهش ابعاد در یادگیری تقویتی
• 35. یادگیری انتقالی (Transfer Learning) در حمل و نقل
• 36. یادگیری تقویتی سلسله مراتبی
• 37. یادگیری تقویتی و مسائل بهینه‌سازی ترکیبی
• 38. یادگیری تقویتی و برنامه‌ریزی پویا
• 39. روش‌های نمونه‌برداری اهمیت (Importance Sampling)
• 40. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 41. یادگیری تقویتی مبتنی بر مدل (Model-Based Reinforcement Learning)
• 42. برنامه‌ریزی مبتنی بر نمونه (Sample-Based Planning)
• 43. یادگیری تقویتی و مسائل کنترل بهینه
• 44. یادگیری تقویتی و سیستم‌های هوشمند حمل و نقل (ITS)
• 45. تحلیل حساسیت الگوریتم‌های یادگیری تقویتی
• 46. روش‌های افزایش پایداری الگوریتم‌های یادگیری تقویتی
• 47. یادگیری تقویتی و امنیت حمل و نقل
• 48. یادگیری تقویتی و کاهش آلودگی هوا در حمل و نقل
• 49. یادگیری تقویتی و بهینه‌سازی مصرف انرژی در حمل و نقل
• 50. یادگیری تقویتی و بهبود ایمنی حمل و نقل
• 51. یادگیری تقویتی و مدیریت بحران در حمل و نقل
• 52. یادگیری تقویتی و برنامه‌ریزی حمل و نقل بلندمدت
• 53. کاربردهای نوظهور یادگیری تقویتی در حمل و نقل
• 54. آینده یادگیری تقویتی در حمل و نقل ملی