فلش‌کارت‌های آموزشی مدل‌های بدون مدل برای یادگیری سیاست‌های کارآمد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های بدون مدل برای یادگیری سیاست‌های کارآمد

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌های بدون مدل (Model-free RL)

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی و فرآیند تصمیم‌گیری مارکوف
• 2. مدل‌های بدون مدل: تعریف، مزایا و محدودیت‌ها
• 3. سیاست‌گذاری دتیک و استخوانی در RL
• 4. انتگر کشی سیاست و قضیه بهبود سیاست
• 5. روش‌های اکتور-کریتیک: آلفا و تماسین
• 6. یادگیری عملکردی: DQN و تجربیات عمیق
• 7. نمونه‌برداری مؤثر: پیش‌نمایش و اولویت‌بندی تجربه
• 8. کارایی نمونه‌ای در مدل‌های بدون مدل
• 9. کاهش واریانس در گرادیان سیاست: کاهش پایه و GAE
• 10. تعادل ناش و بهینه‌سازی در بازی‌های چندرویه
• 11. یادگیری چندعامله: تعریف چارچوب و تعاملات عاملان
• 12. سیاست‌های مشترک و متمرکز در MARL
• 13. سیاست‌های توزیع‌شده و غیرمتمرکز
• 14. تبادل اطلاعات بین عاملان: پروتکل‌های ارتباطی
• 15. نسبت‌دهی اعتبار چندرویه: QMIX و VDN
• 16. یادگیری مشترک با MAPPO و PPO چندعامله
• 17. COMA و نسبت‌دهی اعتبار مبتنی بر عملیات‌گشا
• 18. مدل‌سازی حریف بدون مدل در MARL
• 19. کارایی اجرایی: بهینه‌سازی استنتاج و تأخیر
• 20. بهینه‌سازی حافظه و پهنای باند در آموزش چندعامله
• 21. هم‌افزایشی و همگام‌سازی در آموزش MARL
• 22. اشتراک‌گذاری پارامترها بین عاملان
• 23. یادگیری انتقالی در چندعامله بدون مدل
• 24. یادگیری چندمهاره‌ای و چندوظیفه‌ای در MARL
• 25. یادگیری با تقویت نادر و کم‌نمونه
• 26. برنامه‌ریزی منهجی برای آموزش عاملان چندعامله
• 27. کاوش مؤثر در محیط‌های چندعامله
• 28. ترکیب الگوریتم‌های بدون مدل با شبکه‌های توجهی
• 29. مدل‌های تقسیم‌بندی عملکرد در MARL
• 30. یادگیری بازنمایی مشترک در چندعامله
• 31. مقایسه عملکرد الگوریتم‌های بدون مدل MARL
• 32. استقرار و آزمون سیاست‌های یادگرفته‌شده
• 33. معیارهای ارزیابی: سرعت همگرایی و پایداری
• 34. مقایسه با روش‌های مبتنی بر مدل در کارایی
• 35. کاربردها: رباتیک چندعامله و هماهنگی
• 36. کاربردها: ترافیک هوایی و کنترل شهری هوشمند
• 37. کاربردها: بازی‌های چندبازیکنی و ورزش شبیه‌سازی شده
• 38. کاربردها: ترافیک شبکه و هماهنگی دارایه‌ها
• 39. کاربردها: منابع انسانی و برنامه‌ریزی تیمی
• 40. چالش‌های مقیاس‌پذیری در آموزش MARL بدون مدل
• 41. دیتاسیت‌ها و هموگنیتی عاملان
• 42. مدیریت تعارض و مزاجی در بازی‌های رقابتی
• 43. پایداری و همبستگی در سیستم‌های چندعامله
• 44. استراتژی‌های تکمیلی و همکاری غیرمستقیم
• 45. تحلیل همگرایی الگوریتم‌های بدون مدل MARL
• 46. بهینه‌سازی هذولوزیونی و ترکیب چند هدف
• 47. کاهش هزینه آموزش با پیش‌آموزش و fine-tuning
• 48. تعمیرپذیری سیاست‌ها در برابر تغییرات محیط
• 49. اعتبارسنجی و رفتار ایمن سیاست‌های چندعامله
• 50. بسته‌بندی و استقرار آموزش در سیستم‌های عملیاتی
• 51. پروژه عملی: طراحی آموزش MARL بدون مدل از صفر