فلش‌کارت‌های آموزشی شبیه‌سازی و بهینه‌سازی زنجیره تامین با استفاده از یادگیری تقویتی چندعامله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی و بهینه‌سازی زنجیره تامین با استفاده از یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی فرآیندهای مدیریت تدارکات زنجیره تامین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زنجیره تامین و چالش‌های بهینه‌سازی آن
• 2. یادگیری تقویتی: مفاهیم پایه و الگوریتم‌های اصلی
• 3. یادگیری تقویتی چندعامله: مفاهیم و کاربردها
• 4. محیط‌های چندعامله در زنجیره تامین: تعریف و مدل‌سازی
• 5. شبیه‌سازی زنجیره تامین: ضرورت و ابزارهای کلیدی
• 6. معرفی پایتون برای شبیه‌سازی و یادگیری تقویتی
• 7. نصب و پیکربندی محیط‌های توسعه پایتون برای MARL
• 8. آشنایی با کتابخانه‌های شبیه‌سازی زنجیره تامین در پایتون
• 9. پیاده‌سازی یک زنجیره تامین ساده با پایتون
• 10. مفاهیم کلیدی در یادگیری تقویتی: پاداش، حالت، عمل
• 11. تعریف تابع پاداش در زنجیره تامین
• 12. مدل‌سازی عوامل در زنجیره تامین (تامین‌کننده، تولیدکننده، توزیع‌کننده، خرده‌فروش)
• 13. الگوریتم‌های پایه MARL: Independent Q-Learning (IQL)
• 14. الگوریتم‌های پایه MARL: Value Decomposition Networks (VDN)
• 15. الگوریتم‌های پایه MARL: QMIX
• 16. پیاده‌سازی IQL برای بهینه‌سازی موجودی در یک زنجیره تامین ساده
• 17. پیاده‌سازی VDN برای هماهنگی سفارش‌دهی بین دو عامل
• 18. پیاده‌سازی QMIX برای مدیریت موجودی چند سطحی
• 19. ارزیابی عملکرد الگوریتم‌های MARL در شبیه‌سازی
• 20. مقایسه الگوریتم‌های مختلف MARL در زنجیره تامین
• 21. بهینه‌سازی حمل و نقل با استفاده از MARL
• 22. بهینه‌سازی قیمت‌گذاری با استفاده از MARL
• 23. مدیریت ریسک در زنجیره تامین با استفاده از MARL
• 24. استفاده از MARL برای پیش‌بینی تقاضا
• 25. شبیه‌سازی زنجیره تامین با در نظر گرفتن عدم قطعیت‌ها
• 26. طراحی محیط شبیه‌سازی پیچیده‌تر زنجیره تامین
• 27. استفاده از یادگیری انتقالی (Transfer Learning) در MARL برای زنجیره تامین
• 28. بهینه‌سازی تخصیص منابع با استفاده از MARL
• 29. استفاده از MARL برای کاهش هزینه‌های لجستیک
• 30. پیاده‌سازی MARL در یک زنجیره تامین واقعی (مطالعه موردی)
• 31. تکنیک‌های دیباگینگ و عیب‌یابی در الگوریتم‌های MARL
• 32. بهبود پایداری و همگرایی الگوریتم‌های MARL
• 33. استفاده از روش‌های اکتشافی (Exploration Strategies) در MARL
• 34. آشنایی با ابزارهای بصری‌سازی داده‌های زنجیره تامین
• 35. ارائه نتایج و گزارش‌گیری از شبیه‌سازی‌های MARL
• 36. مفاهیم پیشرفته در MARL: Centralized Training with Decentralized Execution (CTDE)
• 37. استفاده از Actor-Critic methods در MARL برای زنجیره تامین
• 38. استفاده از روش‌های مبتنی بر سیاست (Policy Gradient) در MARL
• 39. مفاهیم پیشرفته در زنجیره تامین: Bullwhip Effect و راه‌های مقابله با آن
• 40. بهینه‌سازی زنجیره تامین با در نظر گرفتن پایداری و مسئولیت اجتماعی
• 41. آینده یادگیری تقویتی چندعامله در زنجیره تامین