فلش‌کارت‌های آموزشی بهینه‌سازی استراتژی‌های یادگیری تقویتی چندعامله با پاداش‌های نادر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی استراتژی‌های یادگیری تقویتی چندعامله با پاداش‌های نادر

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله با پاداش پراکنده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عوامل در محیط‌های یادگیری تقویتی
• 4. فضای حالت و فضای عمل
• 5. تابع پاداش و تابع ارزش
• 6. الگوریتم‌های یادگیری تقویتی تک‌عامله
• 7. یادگیری Q
• 8. یادگیری Deep Q-Network (DQN)
• 9. یادگیری Policy Gradient
• 10. بازیگر-منتقد (Actor-Critic)
• 11. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 12. چالش‌های MARL
• 13. هماهنگی و رقابت بین عوامل
• 14. فضای حالت و عمل مشترک
• 15. مشاهده‌پذیری محدود
• 16. عدم ایستایی محیط
• 17. الگوریتم‌های پایه MARL
• 18. Multi-Agent Q-Learning (MAQL)
• 19. Independent Q-Learning (IQL)
• 20. Joint Action Learners (JAL)
• 21. Value Decomposition Networks (VDN)
• 22. QMIX
• 23. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 24. COMA (Counterfactual Multi-Agent Policy Gradients)
• 25. رویکردهای مبتنی بر مشاهده‌پذیری مشترک
• 26. رویکردهای مبتنی بر مشاهده‌پذیری جزئی
• 27. یادگیری مبتنی بر عامل مرکزی
• 28. یادگیری مبتنی بر عامل غیرمتمرکز
• 29. یادگیری مبتنی بر عامل ترکیبی
• 30. مدل‌های ارتباطی بین عوامل
• 31. یادگیری تقویتی با پاداش‌های نادر
• 32. ماهیت پاداش‌های نادر
• 33. چالش‌های یادگیری با پاداش‌های نادر
• 34. روش‌های نمونه‌برداری پیشرفته
• 35. اهمیت نمونه‌برداری
• 36. استفاده از حافظه تجربی
• 37. تکنیک‌های نمونه‌برداری مبتنی بر فراوانی
• 38. تکنیک‌های نمونه‌برداری مبتنی بر اهمیت
• 39. افزایش پاداش‌های نادر
• 40. تکنیک‌های مهندسی پاداش
• 41. تزریق پاداش مصنوعی
• 42. استفاده از پاداش‌های تفکیک‌شده
• 43. پاداش‌های مبتنی بر پیشرفت
• 44. پاداش‌های مبتنی بر هدف
• 45. استفاده از دانش قبلی
• 46. یادگیری انتقالی در MARL
• 47. یادگیری با نظارت در MARL
• 48. یادگیری تقویتی نیمه‌نظارتی
• 49. بهینه‌سازی استراتژی‌های یادگیری تقویتی چندعامله
• 50. مقدمه‌ای بر بهینه‌سازی استراتژی
• 51. معیارهای ارزیابی استراتژی
• 52. تکنیک‌های جستجوی استراتژی
• 53. بهینه‌سازی مبتنی بر جمعیت
• 54. الگوریتم‌های ژنتیک در MARL
• 55. بهینه‌سازی مبتنی بر گرادیان
• 56. روش‌های جستجوی تصادفی
• 57. بهینه‌سازی پارامترهای مدل
• 58. بهینه‌سازی معماری شبکه عصبی
• 59. بهینه‌سازی الگوریتم یادگیری
• 60. بهینه‌سازی تابع پاداش
• 61. بهینه‌سازی سیاست‌ها
• 62. بهینه‌سازی استراتژی‌های پاداش نادر
• 63. طراحی پاداش‌های مؤثر
• 64. تنظیم پارامترهای پاداش
• 65. ارزیابی تأثیر پاداش‌ها
• 66. بهینه‌سازی الگوریتم‌های نمونه‌برداری
• 67. تنظیم نرخ نمونه‌برداری
• 68. بهبود روش‌های نمونه‌برداری
• 69. بهینه‌سازی تکنیک‌های افزایش پاداش
• 70. تنظیم شدت پاداش‌های مصنوعی
• 71. طراحی پاداش‌های هدفمند
• 72. کاربردها و مطالعات موردی MARL
• 73. رباتیک و کنترل سیستم‌های چندعامله
• 74. بازی‌های ویدئویی و شبیه‌سازی‌ها
• 75. شبکه‌های هوشمند و مدیریت ترافیک
• 76. سیستم‌های توزیع‌شده و محاسبات ابری
• 77. مدیریت منابع و تخصیص وظایف
• 78. بازارهای مالی و معاملات الگوریتمی
• 79. سیستم‌های توصیه‌گر چندعامله
• 80. شبکه‌های حسگر و اینترنت اشیاء
• 81. مدیریت زنجیره تأمین
• 82. امنیت سایبری و تشخیص نفوذ
• 83. کاربرد MARL در حوزه‌های نظامی
• 84. کاربرد MARL در ربات‌های همکار
• 85. مطالعات موردی در کنترل پهپادهای گروهی
• 86. مطالعات موردی در مدیریت ناوگان خودروهای خودران
• 87. مطالعات موردی در بهینه‌سازی مصرف انرژی در ساختمان‌ها
• 88. مطالعات موردی در سیستم‌های مدیریت انبار هوشمند
• 89. مطالعات موردی در بهینه‌سازی مسیریابی در شبکه‌های ارتباطی
• 90. مطالعات موردی در سیستم‌های بازیابی اطلاعات توزیع‌شده
• 91. مطالعات موردی در بهینه‌سازی زمان‌بندی تولید
• 92. مطالعات موردی در سیستم‌های یادگیری مشارکتی