کتاب صوتی استراتژی‌های مدیریت تقاضا و عرضه با استفاده از MARL در تدارکات

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استراتژی‌های مدیریت تقاضا و عرضه با استفاده از MARL در تدارکات

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت اطلاعات تدارکات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدیریت تقاضا و عرضه در تدارکات
• 2. چالش‌های سنتی در مدیریت تقاضا و عرضه
• 3. مفاهیم پایه یادگیری تقویتی (RL)
• 4. معرفی یادگیری تقویتی چندعامله (MARL)
• 5. تفاوت‌های کلیدی RL و MARL
• 6. مروری بر الگوریتم‌های پایه MARL
• 7. محیط‌های چندعامله در تدارکات: مدل‌سازی و طراحی
• 8. تعریف فضای حالت، عمل و پاداش در مسائل تدارکات
• 9. الگوریتم‌های مبتنی بر ارزش در MARL (Q-learning چندعامله)
• 10. الگوریتم‌های مبتنی بر سیاست در MARL (Policy Gradient چندعامله)
• 11. روش‌های حل مسئله اکتشاف-بهره‌برداری در MARL
• 12. چالش‌های همگرایی در MARL و راهکارها
• 13. ارتباطات و هماهنگی بین عامل‌ها در MARL
• 14. تکنیک‌های یادگیری متمرکز و غیرمتمرکز در MARL
• 15. پیاده‌سازی MARL در یک زنجیره تامین ساده
• 16. مدل‌سازی تقاضای مشتری با استفاده از سری‌های زمانی
• 17. پیش‌بینی تقاضا با استفاده از شبکه‌های عصبی
• 18. مدل‌سازی عرضه کنندگان و محدودیت‌های آن‌ها
• 19. بهینه‌سازی موجودی با استفاده از MARL
• 20. مدیریت انبار با رویکرد MARL
• 21. انتخاب تامین‌کننده با استفاده از MARL
• 22. قیمت‌گذاری پویا با استفاده از MARL
• 23. بهینه‌سازی مسیر حمل و نقل با MARL
• 24. مدیریت ریسک در زنجیره تامین با MARL
• 25. استفاده از MARL برای مقابله با اختلالات در زنجیره تامین
• 26. طراحی قراردادهای هوشمند با استفاده از MARL
• 27. ارزیابی عملکرد الگوریتم‌های MARL در تدارکات
• 28. مقایسه MARL با روش‌های بهینه‌سازی سنتی
• 29. کاربردهای MARL در تدارکات دولتی
• 30. کاربردهای MARL در تدارکات خصوصی
• 31. مطالعه موردی: پیاده‌سازی MARL در یک شرکت تولیدی
• 32. مطالعه موردی: پیاده‌سازی MARL در یک شرکت خرده‌فروشی
• 33. چالش‌ها و محدودیت‌های پیاده‌سازی MARL در تدارکات
• 34. ملاحظات اخلاقی در استفاده از MARL در تدارکات
• 35. آینده MARL در مدیریت زنجیره تامین