اکسپرس 24
کتاب یادگیری تقویتی چندعامله در کنترل ازدحام حمل و نقل شهری هوشمند

کتاب یادگیری تقویتی چندعامله در کنترل ازدحام حمل و نقل شهری هوشمند

تگ‌ها: Centralized Training Decentralized Execution Congestion Control MAPPO MARL Multi-Agent Reinforcement Learning QMIX Reward Shaping Sim2Real Transfer Smart Cities SUMO Simulation Traffic Signal Control Urban Traffic Management

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله در کنترل ازدحام حمل و نقل شهری هوشمند

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ازدحام

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری تقویتی و مفاهیم پایه
  • 2. مبانی یادگیری تقویتی چندعامله (MARL)
  • 3. نظریه جریان ترافیک و مدل‌های ماكروسکوپیک/میکروسکوپیک
  • 4. محیط‌های شبیه‌سازی ترافیک شهری (SUMO، CityFlow، Aimsun)
  • 5. تعریف عامل‌ها، حالت‌ها، اکشن‌ها و پاداش در کنترل ترافیک
  • 6. معماری‌های متمرکز، غیرمتمرکز و ترکیبی در MARL
  • 7. یادگیری مستقل Q-learning برای تقاطع‌های جداگانه
  • 8. یادگیری هم‌بازی (Cooperative MARL) و چالش‌های غیراستثنایی
  • 9. روش‌های تخصیص اعتبار (Credit Assignment) در MARL
  • 10. VDN: شبکه تفکیک ارزش (Value Decomposition Networks)
  • 11. QMIX: ترکیب ارزش‌های عامل‌ها با شبکه میکسینگ
  • 12. COMA: Actor-Critic چندعامله با خطای مزیت متقابل
  • 13. MAPPO: بهینه‌سازی política نزدیک چندعامله
  • 14. MADDPG: Actor-Critic متمرکز-교육، اجرا غیرمتمرکز
  • 15. Mean-Field MARL برای تعداد بسیار زیاد عامل‌ها
  • 16. Graph Neural Networks در مدل‌سازی تعاملات تقاطع‌ها
  • 17. آموزش متمرکز، اجرا غیرمتمرکز (CTDE) – اصول و پیاده‌سازی
  • 18. استراتژی‌های ارتباط بین عامل‌ها (Communication Protocols)
  • 19. مشاهده جزئی (Partial Observability) وbelief states
  • 20. غیراستثنایی بودن محیط (Non-stationarity) و راهکارهای مهار
  • 21. شکل‌دهی پاداش (Reward Shaping) برای کنترل ازدحام
  • 22. پاداش‌های چندهدفه: تأخیر، صف، مصرف سوخت، انتشار آلودگی
  • 23. کنترل سیگنال‌های ترافیکی تطبیقی (Adaptive Traffic Signal Control)
  • 24. کنترل رמפ مترینگ (Ramp Metering) با MARL
  • 25. هدایت مسیر دینامیک برای خودروهای متصل
  • 26. مدیریت ناوگان خودروی خودران (Autonomous Fleet Management)
  • 27. پیش‌بینی تقاضای ترافیک با یادگیری عمیق
  • 28. ادغام داده‌های واقعی‌زمان (Loop Detectors، Camera، V2X)
  • 29. ارزیابی کارایی: متوسط زمان سفر، طول صف، نرخ عبور
  • 30. امنیت و پایداری در کنترل‌های مبتنی بر MARL
  • 31. مقاومت در برابر حملات adversarial و خطاهای سنسور
  • 32. انتقال یادگیری (Transfer Learning) بین شبکه‌های ترافیکی مختلف
  • 33. Sim-to-Real: چالش‌ها و تکنیک‌های دامنه‌سازی
  • 34. مطالعه موردی: کنترل تقاطع‌های تهران با QMIX
  • 35. مطالعه موردی: کنترل ترافیک کلان‌شهر با MAPPO
  • 36. مطالعه موردی: هدایت مسیر هم‌بازی در سنگاپور
  • 37. بهینه‌سازی ابرپارامترها در الگوریتم‌های MARL
  • 38. مقیاس‌پذیری: از شبکه کوچک به کلان‌شهر
  • 39. استفاده از یادگیری تقویتی سلسله‌مراتبی (Hierarchical RL)
  • 40. یادگیری تقویتی متافیزیکی (Meta-RL) برای تطبیق سریع
  • 41. تحلیل حساسیت به پارامترهای محیط و شبکه
  • 42. أدوات کتابخانه‌ای: RLlib، MARLlib، PyMARL، Epymarl
  • 43. طراحی آزمایش‌های ablation برای درک مؤلفه‌ها
  • 44. معماری‌های سخت‌افزاری برای استنتاج واقعی‌زمان (Edge AI)
  • 45. استانداردسازی و پروتکل‌های V2X در کنترل MARL
  • 46. ارزیابی مقایسه‌ای با کنترل‌های کلاسیک (Fixed-time، SCATS، SCOOT)
  • 47. أخلاق، حریم خصوصی و قوانین در ترافیک هوشمند
  • 48. مقدمه بر یادگیری تقویتی چندعامله توزیعی (Decentralized MARL)
  • 49. استفاده از یادگیری تقویتی چندعامله در مدیریت پارکینگ هوشمند
  • 50. یکپارچه‌سازی با سیستم‌های مدیریت ترافیک موجود (TMS)
  • 51. توسعه پلتفرم آموزشی باز (Open-source MARL Traffic Platform)
  • 52. روندهای آینده: MARL با مدل‌های زبانی بزرگ (LLM) برای تصمیم‌گیری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.