فلش‌کارت‌های آموزشی طراحی محیط‌های یادگیری تقویتی چندعاملی: از تئوری تا پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی محیط‌های یادگیری تقویتی چندعاملی: از تئوری تا پیاده‌سازی

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری تقویتی چندعاملی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعاملی (MARL)
• 2. چالش‌های کلیدی در طراحی محیط‌های MARL
• 3. مفهوم محیط در MARL و انواع آن
• 4. محیط‌های تعاملی و غیر تعاملی در MARL
• 5. محیط‌های کاملاً قابل مشاهده و تا حدی قابل مشاهده
• 6. محیط‌های قطعی و احتمالی در MARL
• 7. مقدمه‌ای بر بازی‌های ماتریسی و کاربرد آن‌ها در MARL
• 8. محیط‌های مبتنی بر شبیه‌سازی فیزیکی در MARL
• 9. محیط‌های مبتنی بر رباتیک در MARL
• 10. محیط‌های مبتنی بر شبکه و ارتباطات در MARL
• 11. مفاهیم اساسی در طراحی پاداش در MARL
• 12. طراحی پاداش‌های پراکنده (Sparse Rewards)
• 13. طراحی پاداش‌های شکل‌دهی (Shaping Rewards)
• 14. طراحی پاداش‌های مبتنی بر رقابت
• 15. طراحی پاداش‌های مبتنی بر همکاری
• 16. مقدمه‌ای بر طراحی حالت (State Design) در MARL
• 17. مفاهیم اساسی در طراحی عمل (Action Design) در MARL
• 18. فضاهای عمل گسسته و پیوسته در MARL
• 19. مفاهیم اساسی در طراحی مشاهده (Observation Design) در MARL
• 20. استفاده از ویژگی‌های مهندسی شده در طراحی مشاهده
• 21. تکنیک‌های کاهش ابعاد در طراحی مشاهده
• 22. مقدمه‌ای بر محیط‌های پویا و غیرایستا در MARL
• 23. چالش‌های محیط‌های چندعاملی پویا
• 24. طراحی محیط‌های MARL با تغییرات ناگهانی
• 25. طراحی محیط‌های MARL با تغییرات تدریجی
• 26. مقدمه‌ای بر محیط‌های MARL با اطلاعات ناقص
• 27. تکنیک‌های مدیریت عدم قطعیت در MARL
• 28. مقدمه‌ای بر محیط‌های MARL با اهداف متضاد
• 29. طراحی محیط‌هایی برای یادگیری استراتژی‌های مقابله‌ای
• 30. مقدمه‌ای بر محیط‌های MARL با محدودیت‌های منابع
• 31. تکنیک‌های مدیریت منابع در MARL
• 32. مقدمه‌ای بر محیط‌های MARL با ارتباطات محدود
• 33. طراحی پروتکل‌های ارتباطی در MARL
• 34. مقدمه‌ای بر ارزیابی محیط‌های MARL
• 35. معیارهای ارزیابی عملکرد در MARL
• 36. تکنیک‌های بصری‌سازی محیط‌های MARL
• 37. مقدمه‌ای بر ابزارهای شبیه‌سازی MARL (Gym, PettingZoo, SMAC)
• 38. نحوه ایجاد محیط‌های MARL سفارشی در Gym
• 39. نحوه ایجاد محیط‌های MARL سفارشی در PettingZoo
• 40. نحوه ایجاد محیط‌های MARL سفارشی در SMAC
• 41. استفاده از Unity به عنوان یک محیط شبیه‌سازی MARL
• 42. استفاده از Unreal Engine به عنوان یک محیط شبیه‌سازی MARL
• 43. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning) در MARL
• 44. تکنیک‌های انتقال یادگیری بین محیط‌های MARL
• 45. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning) در MARL
• 46. تکنیک‌های یادگیری چندوظیفه‌ای در MARL
• 47. مقدمه‌ای بر یادگیری با تقلید (Imitation Learning) در MARL
• 48. تکنیک‌های یادگیری با تقلید در MARL
• 49. مقدمه‌ای بر یادگیری آفلاین (Offline Learning) در MARL
• 50. تکنیک‌های یادگیری آفلاین در MARL
• 51. مقدمه‌ای بر یادگیری متا (Meta Learning) در MARL
• 52. تکنیک‌های یادگیری متا در MARL
• 53. مقدمه‌ای بر یادگیری تقویتی معکوس (Inverse Reinforcement Learning) در MARL
• 54. تکنیک‌های یادگیری تقویتی معکوس در MARL
• 55. مقدمه‌ای بر یادگیری تقویتی سلسله مراتبی (Hierarchical Reinforcement Learning) در MARL
• 56. تکنیک‌های یادگیری تقویتی سلسله مراتبی در MARL
• 57. بررسی موردی: طراحی محیط MARL برای ترافیک شهری
• 58. بررسی موردی: طراحی محیط MARL برای مدیریت منابع انرژی
• 59. بررسی موردی: طراحی محیط MARL برای ربات‌های جستجو و نجات
• 60. بررسی موردی: طراحی محیط MARL برای بازی‌های استراتژیک
• 61. آینده طراحی محیط‌های MARL: چالش‌ها و فرصت‌ها