فلش‌کارت‌های آموزشی مدل‌های یادگیری تقویتی عمیق در سیستم‌های چندعامله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های یادگیری تقویتی عمیق در سیستم‌های چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌های یادگیری تقویتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. چالش‌های یادگیری تقویتی در محیط‌های چندعامله
• 3. مفاهیم پایه یادگیری تقویتی عمیق
• 4. شبکه‌های عصبی و یادگیری تقویتی
• 5. Q-Learning عمیق (DQN) در سیستم‌های چندعامله
• 6. Deep Q-Network برای مسائل همکاری
• 7. Deep Q-Network برای مسائل رقابتی
• 8. مشکلات همگرایی در DQN چندعامله
• 9. روش‌های بهبود پایداری DQN چندعامله
• 10. Policy Gradient در یادگیری تقویتی عمیق
• 11. REINFORCE و کاربرد آن در MARL
• 12. Actor-Critic در سیستم‌های چندعامله
• 13. A2C و A3C برای MARL
• 14. DDPG (Deep Deterministic Policy Gradient) در محیط‌های چندعامله
• 15. TD3 و کاربرد آن در MARL
• 16. مدل‌های یادگیری تقویتی آفلاین (Offline RL) در MARL
• 17. یادگیری تقویتی چندعامله با استفاده از مدل‌سازی محیط
• 18. یادگیری تقویتی سلسله مراتبی (Hierarchical RL) در MARL
• 19. یادگیری تقویتی با پاداش شکل دهی (Reward Shaping) در MARL
• 20. یادگیری تقویتی با Curriculum Learning در MARL
• 21. مفهوم Centralized Training with Decentralized Execution (CTDE)
• 22. مدل‌های CTDE: MADDPG
• 23. مدل‌های CTDE: COMA
• 24. مدل‌های CTDE: MAPPO
• 25. استفاده از Attention Mechanisms در MARL
• 26. Transformerها در یادگیری تقویتی چندعامله
• 27. روش‌های Communication Learning در MARL
• 28. یادگیری ارتباطات ضمنی (Implicit Communication)
• 29. یادگیری ارتباطات صریح (Explicit Communication)
• 30. Multi-Agent Actor-Critic (MAAC)
• 31. Variational Information Maximization (VIM)
• 32. Counterfactual Multi-Agent Policy Gradients (COMA)
• 33. Massively Parallel Distributed Policy Optimization (MPPO)
• 34. مدل‌های یادگیری تقویتی مبتنی بر مدل (Model-Based RL) در MARL
• 35. یادگیری مدل برای پیش‌بینی پاداش و حالت در MARL
• 36. استفاده از Generative Adversarial Networks (GANs) در MARL
• 37. یادگیری تقویتی چندعامله با استفاده از Imitation Learning
• 38. یادگیری تقویتی چندعامله با استفاده از Inverse Reinforcement Learning
• 39. مفاهیم Game Theory و کاربرد آن در MARL
• 40. Nash Equilibrium و یافتن آن در MARL
• 41. روش‌های حل بازی‌های جمعی (Cooperative Games)
• 42. روش‌های حل بازی‌های رقابتی (Competitive Games)
• 43. یادگیری تقویتی چندعامله در بازی‌های پیچیده (مانند StarCraft II)
• 44. یادگیری تقویتی چندعامله در رباتیک
• 45. چالش‌های پیاده‌سازی MARL در دنیای واقعی
• 46. استراتژی‌های انتقال مدل‌های MARL به محیط‌های واقعی
• 47. ملاحظات اخلاقی در توسعه و استقرار سیستم‌های MARL