کتاب یادگیری تقویتی بدون مدل در لجستیک و زنجیره تامین: از تئوری تا پیاده‌سازی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی بدون مدل در لجستیک و زنجیره تامین: از تئوری تا پیاده‌سازی

موضوع کلی: هوش مصنوعی و یادگیری تقویتی

موضوع میانی: بهینه‌سازی زنجیره تامین و لجستیک

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی در زنجیره تامین
• 2. چالش‌های زنجیره تامین و نقش یادگیری تقویتی
• 3. یادگیری تقویتی مبتنی مدل در مقابل بدون مدل: مقایسه و کاربردها
• 4. مبانی ریاضی یادگیری تقویتی بدون مدل
• 5. مفهوم تابع ارزش و تابع سیاست
• 6. روش‌های تخمین تابع ارزش: تفاوت زمانی (TD)
• 7. روش‌های تخمین تابع ارزش: مونت کارلو
• 8. الگوریتم Q-Learning: اصول و کاربردها
• 9. الگوریتم SARSA: اصول و کاربردها
• 10. الگوریتم‌های سیاست‌گرا: REINFORCE
• 11. الگوریتم‌های Actor-Critic
• 12. استراتژی‌های اکتشاف در یادگیری تقویتی
• 13. تابع پاداش در زنجیره تامین: طراحی و بهینه‌سازی
• 14. مدل‌سازی محیط زنجیره تامین برای یادگیری تقویتی
• 15. پیاده‌سازی Q-Learning برای مدیریت موجودی
• 16. بهینه‌سازی مسیر حمل و نقل با استفاده از SARSA
• 17. مدیریت انبار با یادگیری تقویتی بدون مدل
• 18. پیش‌بینی تقاضا و تاثیر آن بر یادگیری تقویتی
• 19. استفاده از یادگیری تقویتی برای مسیریابی وسایل نقلیه
• 20. بهینه‌سازی قیمت‌گذاری پویا با یادگیری تقویتی
• 21. مدیریت ریسک در زنجیره تامین با استفاده از RL
• 22. یادگیری تقویتی و بهینه‌سازی شبکه توزیع
• 23. استفاده از یادگیری تقویتی برای تخصیص منابع
• 24. حل مسائل مسیریابی با محدودیت ظرفیت با RL
• 25. بهینه‌سازی سفارش‌گذاری با استفاده از الگوریتم‌های RL
• 26. یادگیری تقویتی چندعامله در زنجیره تامین
• 27. استفاده از شبکه‌های عصبی عمیق در یادگیری تقویتی برای زنجیره تامین (Deep Q-Networks)
• 28. استفاده از شبکه‌های عصبی عمیق در یادگیری تقویتی برای زنجیره تامین (Policy Gradient Methods)
• 29. یادگیری تقویتی انتقال (Transfer Learning) در زنجیره تامین
• 30. چالش‌های پیاده‌سازی یادگیری تقویتی در دنیای واقعی
• 31. مسائل مقیاس‌پذیری در یادگیری تقویتی برای زنجیره تامین
• 32. تکنیک‌های کاهش ابعاد برای بهبود عملکرد RL
• 33. استفاده از شبیه‌سازی برای آموزش مدل‌های RL
• 34. ارزیابی عملکرد مدل‌های RL در زنجیره تامین
• 35. مطالعه موردی: بهینه‌سازی زنجیره تامین با استفاده از RL
• 36. معرفی ابزارها و کتابخانه‌های یادگیری تقویتی (TensorFlow, PyTorch, OpenAI Gym)
• 37. یادگیری تقویتی و اینترنت اشیا (IoT) در زنجیره تامین
• 38. یادگیری تقویتی و بلاک‌چین در زنجیره تامین
• 39. یادگیری تقویتی و داده‌های بزرگ در زنجیره تامین
• 40. آینده یادگیری تقویتی در زنجیره تامین و لجستیک