فلش‌کارت‌های آموزشی روش‌های Actor-Critic مدرن برای هماهنگی عامل‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روش‌های Actor-Critic مدرن برای هماهنگی عامل‌ها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: Actor-Critic Methods

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. چالش‌های هماهنگی در MARL
• 3. مروری بر روش‌های Actor-Critic در یادگیری تقویتی
• 4. مزایا و معایب روش‌های Actor-Critic
• 5. مبانی ریاضی Actor-Critic
• 6. تابع ارزش و سیاست در MARL
• 7. Gradient Policy Theorem و کاربرد آن در MARL
• 8. الگوریتم A2C (Advantage Actor-Critic) در MARL
• 9. الگوریتم A3C (Asynchronous Advantage Actor-Critic) در MARL
• 10. نقدگر مرکزی (Centralized Critic) در MARL
• 11. روش‌های Value Decomposition برای MARL
• 12. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 13. COMA (Counterfactual Multi-Agent Policy Gradients)
• 14. QMIX: مونوتونیک Value Function Factorization
• 15. VDN (Value Decomposition Networks)
• 16. QTRAN: Learning Counterfactual Multi-Agent Policies with Q-Transformation
• 17. MAPPO (Multi-Agent Proximal Policy Optimization)
• 18. MAAC (Multi-Agent Advantage Actor-Critic)
• 19. استفاده از Recurrent Neural Networks در Actor-Critic برای MARL
• 20. مدل‌سازی ارتباطات بین عامل‌ها
• 21. یادگیری ارتباطات صریح (Explicit Communication)
• 22. یادگیری ارتباطات ضمنی (Implicit Communication)
• 23. تکنیک‌های افزایش پایداری در آموزش MARL
• 24. کاوش (Exploration) در محیط‌های چندعامله
• 25. پاداش‌دهی (Reward Shaping) در MARL
• 26. انتقال یادگیری (Transfer Learning) در MARL
• 27. چند وظیفه‌ای کردن (Multi-task Learning) در MARL
• 28. محیط‌های شبیه‌سازی MARL (OpenAI Gym, PettingZoo)
• 29. پیاده‌سازی MADDPG با TensorFlow/PyTorch
• 30. پیاده‌سازی MAPPO با TensorFlow/PyTorch
• 31. ارزیابی الگوریتم‌های MARL
• 32. مقایسه عملکرد الگوریتم‌های Actor-Critic در MARL
• 33. تحلیل حساسیت پارامترها در MARL
• 34. بهینه‌سازی هایپرپارامترها در MARL
• 35. کاربردهای MARL در رباتیک
• 36. کاربردهای MARL در بازی‌های رقابتی
• 37. کاربردهای MARL در مدیریت منابع
• 38. چالش‌های مقیاس‌پذیری در MARL
• 39. روش‌های کاهش پیچیدگی محاسباتی در MARL
• 40. یادگیری تقویتی چندعامله توزیع‌شده
• 41. استفاده از Actor-Critic در سیستم‌های کنترل ترافیک
• 42. Actor-Critic برای هماهنگی پهپادها
• 43. تکنیک‌های مقابله با محیط‌های غیرایستا در MARL
• 44. یادگیری تقویتی چندعامله آفلاین (Offline MARL)
• 45. یادگیری تقویتی چندعامله ایمن (Safe MARL)
• 46. یادگیری تقویتی چندعامله با محدودیت (Constrained MARL)
• 47. روش‌های مقاوم در برابر نویز و تقلب در MARL
• 48. دفاع در برابر حملات adversarial در MARL
• 49. یادگیری تقویتی چندعامله بر پایه مدل (Model-Based MARL)
• 50. ترکیب روش‌های Actor-Critic با سایر الگوریتم‌های MARL
• 51. آینده‌ی یادگیری تقویتی چندعامله و Actor-Critic