فلش‌کارت‌های آموزشی پیشرفت‌های نوین در یادگیری تقویتی با عامل‌های همکار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیشرفت‌های نوین در یادگیری تقویتی با عامل‌های همکار

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مباحث پژوهشی روز در MARL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی با عامل‌های همکار
• 2. مبانی یادگیری تقویتی کلاسیک
• 3. مدل‌های مارکوف تصمیم‌گیری (MDP)
• 4. روش‌های ارزش‌گذاری حالت و عمل
• 5. روش‌های مبتنی بر مدل و بدون مدل
• 6. یادگیری تفاوت زمانی (TD Learning)
• 7. کشف و اکتشاف در یادگیری تقویتی
• 8. الگوریتم‌های Q-Learning و SARSA
• 9. یادگیری عمیق در یادگیری تقویتی (DQN)
• 10. شبکه‌های عصبی کانولوشنی در RL
• 11. شبکه‌های عصبی بازگشتی در RL
• 12. معرفی عامل‌های همکار (Multi-Agent Reinforcement Learning - MARL)
• 13. تفاوت‌های MARL با RL تک عاملی
• 14. چالش‌های هماهنگی و رقابت در MARL
• 15. مدل‌های فضای حالت مشترک در MARL
• 16. مدل‌های فضای عمل مشترک در MARL
• 17. مدل‌های فضای حالت و عمل مجزا در MARL
• 18. مدل‌های عامل محور (Agent-Centric Models)
• 19. مفاهیم بازی در MARL
• 20. نظریه بازی‌های پویا
• 21. تعادل نش و انواع آن
• 22. بازی‌های مجموع صفر و مجموع غیرصفر
• 23. بازی‌های تعاونی و غیرتعاونی
• 24. بازی‌های با اطلاعات کامل و ناقص
• 25. تعریف مسائل MARL
• 26. تابع پاداش در سیستم‌های چند عاملی
• 27. طراحی تابع پاداش برای هماهنگی
• 28. طراحی تابع پاداش برای رقابت
• 29. مشکلات پاداش پراکنده (Sparse Rewards)
• 30. روش‌های یادگیری هماهنگ
• 31. یادگیری عامل‌های مستقل (Independent Learners)
• 32. مزایا و معایب یادگیری مستقل
• 33. یادگیری با عامل‌های مرکزی و منتقدان محیطی (Centralized Training with Decentralized Execution - CTDE)
• 34. معماری‌های CTDE
• 35. یادگیری مبتنی بر نمایش مشترک (Shared Representation Learning)
• 36. یادگیری مبتنی بر عامل‌های یادگیرنده (Learner Agents)
• 37. یادگیری مبتنی بر منتقدان (Critic Agents)
• 38. اتصال عامل‌ها و منتقدان
• 39. الگوریتم‌های Actor-Critic در MARL
• 40. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 41. QMIX (Q-Learning for Cooperative MARL)
• 42. VDN (Value Decomposition Networks)
• 43. COMA (Counterfactual Multi-Agent Policy Gradients)
• 44. یادگیری ارتباطات بین عامل‌ها
• 45. روش‌های یادگیری ارتباطات پیام‌رسان
• 46. شبکه‌های عصبی برای ارتباطات
• 47. رمزگذاری و رمزگشایی پیام‌ها
• 48. یادگیری زبان‌های مصنوعی
• 49. تأثیر ارتباطات بر هماهنگی
• 50. مسائل مقیاس‌پذیری در MARL
• 51. افزایش تعداد عامل‌ها
• 52. چالش‌های انفجار ترکیبی (Combinatorial Explosion)
• 53. روش‌های مقیاس‌پذیر در MARL
• 54. یادگیری تقویتی با استفاده از مدل‌های جهان (Model-Based MARL)
• 55. یادگیری مدل جهان مشترک
• 56. یادگیری مدل جهان مجزا
• 57. استفاده از مدل‌های جهان برای برنامه‌ریزی
• 58. کاربرد MARL در رباتیک
• 59. هماهنگی ربات‌ها در انبارها
• 60. ناوبری گروهی ربات‌ها
• 61. بازی‌های چند نفره با عامل‌های هوشمند
• 62. مدیریت منابع در سیستم‌های توزیع‌شده
• 63. بهینه‌سازی ترافیک شهری با MARL
• 64. سیستم‌های توصیه‌گر چند عاملی
• 65. تحلیل و پیش‌بینی رفتار بازار با MARL
• 66. کاربرد MARL در شبکه‌های حسگر هوشمند
• 67. امنیت سایبری و دفاع در شبکه‌های توزیع‌شده
• 68. کنترل سیستم‌های قدرت با MARL
• 69. مدل‌سازی و شبیه‌سازی سیستم‌های پیچیده
• 70. مباحث پیشرفته در MARL
• 71. یادگیری تقویتی با پاداش‌های اجتماعی
• 72. یادگیری از طریق مشاهده (Imitation Learning) در MARL
• 73. یادگیری تقویتی با قیاس (Analogy-Based RL)
• 74. یادگیری تقویتی با عدم قطعیت (Uncertainty in MARL)
• 75. یادگیری تقویتی با عامل‌های غیر ایستا (Non-Stationary Environments)
• 76. روش‌های تطبیقی در MARL
• 77. یادگیری تقویتی با پاداش‌های چند هدفی
• 78. بهینه‌سازی پاداش‌های چند عاملی
• 79. ارزیابی عملکرد در MARL
• 80. معیارهای ارزیابی سیستم‌های چند عاملی
• 81. شبیه‌سازهای استاندارد برای MARL
• 82. آینده تحقیقات در MARL
• 83. چالش‌های اخلاقی و امنیتی در MARL
• 84. کاربردهای نوظهور MARL
• 85. یادگیری تقویتی با عامل‌های انسان‌نما
• 86. سیستم‌های خودکار و هوشمند در محیط‌های تعاملی
• 87. یادگیری تقویتی در محاسبات ابری و لبه
• 88. بهینه‌سازی مصرف انرژی در سیستم‌های توزیع‌شده
• 89. مدیریت منابع در اینترنت اشیاء (IoT)
• 90. شبکه‌های ارتباطی و مخابراتی هوشمند
• 91. تحلیل احساسات و نظرات در شبکه‌های اجتماعی
• 92. یادگیری تقویتی برای ربات‌های خانگی
• 93. سیستم‌های آموزشی تطبیقی مبتنی بر MARL
• 94. کنترل ربات‌های صنعتی در خطوط تولید
• 95. بهینه‌سازی زنجیره تأمین با عامل‌های همکار
• 96. مدل‌سازی رفتار تجمعی در سیستم‌های پیچیده
• 97. یادگیری تقویتی برای بازی‌های استراتژیک در زمان واقعی
• 98. طراحی الگوریتم‌های کارآمد برای MARL
• 99. تجزیه و تحلیل نظری رفتار عامل‌های همکار
• 100. مدل‌های ترکیبی در یادگیری تقویتی چند عاملی