فلش‌کارت‌های آموزشی مبانی یادگیری تقویتی تک عامله برای هوش مصنوعی چندعامله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری تقویتی تک عامله برای هوش مصنوعی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی تک عامله

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. عوامل و محیط در یادگیری تقویتی
• 3. مفهوم پاداش و تخفیف
• 4. مدل‌سازی مارکوف و فرآیندهای تصمیم‌گیری مارکوفی
• 5. حل معادلات بلمن برای مسائل ساده
• 6. روش‌های تکراری سیاست
• 7. روش‌های تکراری ارزش
• 8. تقریب توابع ارزش
• 9. تقریب سیاست
• 10. یادگیری تقویتی مبتنی بر اختلاف زمانی (TD)
• 11. Sarsa: الگوریتم یادگیری تقویتی برخط
• 12. Q-learning: الگوریتم یادگیری تقویتی خارج از خط
• 13. الگوریتم‌های Deep Q-Network (DQN)
• 14. شبکه‌های عصبی کانولوشنال در یادگیری تقویتی
• 15. تجربه تکراری (Experience Replay)
• 16. هدف‌گذاری ثابت (Fixed Q-Targets)
• 17. اکتشاف و بهره‌برداری: استراتژی‌های مختلف
• 18. ε-greedy exploration
• 19. اکتشاف مبتنی بر امیدواری (Optimistic Initialization)
• 20. استراتژی‌های اکتشاف مبتنی بر توزیع
• 21. یادگیری تقویتی با سیاست گرادیانی
• 22. روش‌های مونت کارلو برای سیاست گرادیانی
• 23. REINFORCE: الگوریتم سیاست گرادیانی
• 24. Actor-Critic Methods
• 25. A2C و A3C
• 26. یادگیری تقویتی چندعامله (MARL)
• 27. چالش‌های یادگیری تقویتی چندعامله
• 28. مفاهیم همکاری و رقابت در MARL
• 29. یادگیری تقویتی مستقل (Independent Learners)
• 30. یادگیری تقویتی مشترک (Joint Action Learners)
• 31. الگوریتم‌های هماهنگ‌سازی سیاست
• 32. Communication Learning در MARL
• 33. یادگیری تقویتی سلسله مراتبی
• 34. یادگیری تقویتی با حافظه
• 35. Long Short-Term Memory (LSTM) در یادگیری تقویتی
• 36. Transformerها در یادگیری تقویتی
• 37. یادگیری تقویتی و شبیه‌سازی
• 38. یادگیری تقویتی در محیط‌های واقعی
• 39. انتقال یادگیری در یادگیری تقویتی
• 40. یادگیری تقویتی تطبیقی (Adaptive Reinforcement Learning)
• 41. یادگیری تقویتی با دانش قبلی
• 42. Meta-Learning در یادگیری تقویتی
• 43. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 44. روش‌های محدود کردن پاداش
• 45. روش‌های محدود کردن عمل
• 46. یادگیری تقویتی و اخلاق
• 47. تفسیرپذیری در یادگیری تقویتی
• 48. یادگیری تقویتی و حریم خصوصی
• 49. بررسی موردی: بازی‌های Atari با یادگیری تقویتی
• 50. بررسی موردی: رباتیک با یادگیری تقویتی
• 51. بررسی موردی: مدیریت منابع با یادگیری تقویتی
• 52. کاربردهای یادگیری تقویتی در شبکه‌های ارتباطی
• 53. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 54. یادگیری تقویتی در مالی و تجارت
• 55. چالش‌ها و آینده یادگیری تقویتی تک عامله
• 56. چالش‌ها و آینده یادگیری تقویتی چندعامله
• 57. تحلیل عملکرد الگوریتم‌های یادگیری تقویتی
• 58. انتخاب الگوریتم مناسب برای مسئله مورد نظر
• 59. تنظیم هایپرپارامترها در یادگیری تقویتی
• 60. بهینه‌سازی پاداش در یادگیری تقویتی
• 61. ارزیابی سیاست‌های یادگیری تقویتی
• 62. روش‌های ارزیابی سیاست
• 63. مقایسه روش‌های مختلف یادگیری تقویتی
• 64. مسائل باز در یادگیری تقویتی