فلش‌کارت‌های آموزشی الگوریتم‌های ترکیبی پیشرفته برای کاربردهای واقعی در MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های ترکیبی پیشرفته برای کاربردهای واقعی در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: الگوریتم‌های ترکیبی (Hybrid Algorithms)

📋 سرفصل‌های دوره

• 1. مقدمه بر یادگیری تقویتی چندعامله و الگوریتم‌های ترکیبی
• 2. پایه‌های سیستم‌های چندعامله
• 3. چالش‌های کلیدی در یادگیری تقویتی چندعامله
• 4. اصول طراحی الگوریتم‌های ترکیبی
• 5. ترکیب Q-Learning با الگوریتم‌های جستجوی گسترده
• 6. یادگیری تقویتی فعال با آموزش جمعی
• 7. متغیرهای DQN در یادگیری چندعامله
• 8. شبکه‌های عصبی گرافی در یادگیری تقویتی چندعامله
• 9. یادگیری تقویتی سلسله‌مراتبی
• 10. یادگیری تقلید چندعامله
• 11. یادگیری انتقال در یادگیری تقویتی چندعامله
• 12. یادگیری برنامه‌ریزی شده در MARL
• 13. تکنیک‌های تخصیص اعتبار
• 14. استراتژی‌های کاوش در الگوریتم‌های ترکیبی
• 15. پروتکل‌های ارتباطی در عوامل ترکیبی
• 16. روش‌های گرادیان سیاست چندعامله
• 17. یادگیری تقویتی فعال با توجه
• 18. PPO چندعامله با سیاست‌های مشترک
• 19. A3C چندعامله با به‌روزرسانی ناهمگام
• 20. SAC چندعامله با رمزنگاری انتروپی
• 21. DQN ترکیبی دوگانه
• 22. یکپارچه‌سازی الگوریتم Rainbow در MARL
• 23. R2D2 چندعامله با لایه‌های بازگشتی
• 24. COMA چندعامله با محاسبه متعدد
• 25. QMIX چندعامله با تجزیه مقدار
• 26. MANNA چندعامله با توجه چندسر
• 27. MAT چندعامله با شبکه‌های گرافی
• 28. QTRAN چندعامله با تجزیه مقدار غیرقابل تبادل
• 29. Fengyun چندعامله با ساختار سلسله‌مراتبی
• 30. PPO چندعامله با کریتیک مرکزی
• 31. DDPG چندعامله با سیاست‌های تصادفی
• 32. SAC چندعامله با به‌روزرسانی نرم
• 33. PPO چندعامله با روش‌های منطقه اعتماد
• 34. A3C چندعامله با به‌اشتراک‌گذاری پارامترها
• 35. DQN چندعامله با شبکه‌های هدف
• 36. Dueling DQN چندعامله با جریان‌های مزیت
• 37. Rainbow چندعامله با بازپخش تجربه اولویت‌دار
• 38. R2D2 چندعامله با حافظه تجربه بازگشتی
• 39. COMA چندعامله با پایه‌گذاری متعدد
• 40. QMIX چندعامله با شبکه‌های تجزیه مقدار
• 41. MANNA چندعامله با توجه چندعامله
• 42. MAT چندعامله با عبور پیام و تجمیع
• 43. Fengyun چندعامله با انتزاع‌های چندسطحی
• 44. PPO چندعامله با آموزش مرکزی و اجرای توزیعی
• 45. DDPG چندعامله با گرادیان سیاست تصادفی
• 46. SAC چندعامله با اهداف رمزنگاری شده
• 47. PPO چندعامله با خطای لگاهای بی‌پرده
• 48. A3C چندعامله با به‌روزرسانی ناهمگام و کاوش
• 49. DQN چندعامله با دوگانه‌سازی و بازپخش اولویت‌دار
• 50. Rainbow چندعامله با یادگیری توزیعی و بازگشت چندمرحله‌ای
• 51. R2D2 چندعامله با حافظه تجربه بازگشتی و چندمرحله‌ای
• 52. COMA چندعامله با پایه‌گذاری متعدد و کریتیک مرکزی
• 53. QMIX چندعامله با تجزیه مقدار و توجه منطقی
• 54. MANNA چندعامله با توجه خودچندسر و تجمیع
• 55. MAT چندعامله با شبکه‌های گرافی و عبور پیام
• 56. QTRAN چندعامله با تجزیه مقدار و عوامل غیرقابل تبادل
• 57. Fengyun چندعامله با انتزاع‌های سلسله‌مراتبی و چندسطحی