کتاب بهینه‌سازی ترکیبی با یادگیری تقویتی عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی ترکیبی با یادگیری تقویتی عمیق

موضوع کلی: توسعه پیشرفته عامل‌های هوشمند و سیستم‌های خودکار

موضوع میانی: بهینه‌سازی برنامه‌ریزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مبانی ریاضی یادگیری تقویتی
• 3. مفاهیم اساسی بهینه‌سازی ترکیبی
• 4. معرفی الگوریتم‌های یادگیری تقویتی
• 5. روش‌های جستجوی محلی در بهینه‌سازی
• 6. الگوریتم‌های بهینه‌سازی مبتنی بر گرادیان
• 7. شبکه‌های عصبی عمیق و کاربرد آن‌ها
• 8. یادگیری تقویتی مبتنی بر مدل
• 9. یادگیری تقویتی بدون مدل
• 10. تابع ارزش و تخمین آن
• 11. سیاست‌ها و روش‌های یادگیری سیاست
• 12. روش‌های مونت‌کارلو در یادگیری تقویتی
• 13. تفاوت‌های زمانی (Temporal Difference)
• 14. Q-learning و مشتقات آن
• 15. Deep Q-Network (DQN)
• 16. بهبود DQN: Double DQN و Dueling DQN
• 17. Policy Gradient Methods
• 18. REINFORCE
• 19. Actor-Critic Methods
• 20. A2C و A3C
• 21. Asynchronous Advantage Actor-Critic (A3C)
• 22. Proximal Policy Optimization (PPO)
• 23. Trust Region Policy Optimization (TRPO)
• 24. کاربرد یادگیری تقویتی در مسیریابی
• 25. بهینه‌سازی تخصیص منابع با یادگیری تقویتی
• 26. مدیریت موجودی با استفاده از یادگیری تقویتی
• 27. یادگیری تقویتی در شبکه‌های ارتباطی
• 28. بهینه‌سازی پورتفوی مالی با یادگیری تقویتی
• 29. یادگیری تقویتی در رباتیک
• 30. کنترل ربات با استفاده از یادگیری تقویتی
• 31. یادگیری تقویتی و بازی‌ها
• 32. آلفاگو و یادگیری تقویتی
• 33. یادگیری چندعامله (Multi-Agent Reinforcement Learning)
• 34. محیط‌های رقابتی و یادگیری تقویتی
• 35. یادگیری تقویتی و انتقال یادگیری (Transfer Learning)
• 36. یادگیری تقویتی و یادگیری سلسله مراتبی (Hierarchical Reinforcement Learning)
• 37. یادگیری تقویتی و اکتشاف (Exploration)
• 38. روش‌های اکتشافی در یادگیری تقویتی
• 39. یادگیری تقویتی و پاداش‌های پراکنده (Sparse Rewards)
• 40. یادگیری تقویتی و ایمنی (Safe Reinforcement Learning)
• 41. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 42. یادگیری تقویتی و داده‌های نامتعادل (Imbalanced Data)
• 43. بهینه‌سازی هایپرپارامترها در یادگیری تقویتی
• 44. انتخاب معماری شبکه عصبی مناسب
• 45. تکنیک‌های regularization در یادگیری تقویتی
• 46. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی
• 47. ابزارهای شبیه‌سازی برای یادگیری تقویتی
• 48. محیط‌های یادگیری تقویتی متن‌باز
• 49. OpenAI Gym
• 50. TensorFlow Agents
• 51. PyTorch Reinforcement Learning
• 52. کاربرد یادگیری تقویتی در بهینه‌سازی زنجیره تامین
• 53. پیش‌بینی تقاضا با استفاده از یادگیری تقویتی
• 54. بهینه‌سازی قیمت‌گذاری با یادگیری تقویتی
• 55. یادگیری تقویتی و سیستم‌های توصیه‌گر
• 56. بهینه‌سازی تبلیغات آنلاین با یادگیری تقویتی
• 57. یادگیری تقویتی و سیستم‌های کنترل هوشمند
• 58. یادگیری تقویتی و بهینه‌سازی مصرف انرژی
• 59. انتقال یادگیری تقویتی به دنیای واقعی
• 60. چالش‌ها و محدودیت‌های یادگیری تقویتی
• 61. آینده یادگیری تقویتی و بهینه‌سازی ترکیبی