دوره اصول و تکنیک های یادگیری تقویتی چندعامله در مدیریت شبکه های توزیع هوشمند به همراه فلش کارت بر روی فلش مموریجدید

سرفصل های دوره: 1. اصول و تکنیک های یادگیری تقویتی چندعامله در مدیریت شبکه های توزیع هوشمند 2. مقدمه ای بر شبکه های توزیع هوشمند 3. مقدمه ای بر یادگیری تقویتی 4. مقدمه ای بر یادگیری تقویتی چندعامله 5. مفاهیم پایه یادگیری تقویتی 6. محیط، عامل، وضعیت، عمل، پاداش 7. فرآیند تصمیم گیری مارکوف (MDP) 8. تابع ارزش، تابع سیاست 9. یادگیری مبتنی بر ارزش 10. یادگیری مبتنی بر سیاست 11. یادگیری ترکیبی 12. روش های یادگیری مبتنی بر ارزش 13. Q-Learning 14. SARSA 15. Deep Q-Networks (DQN) 16. Double DQN 17. Prioritized Experience Replay 18. Dueling DQN 19. Rainbow DQN 20. روش های یادگیری مبتنی بر سیاست 21. Policy Gradient 22. REINFORCE 23. Actor-Critic 24. Asynchronous Advantage Actor-Critic (A3C) 25. Proximal Policy Optimization (PPO) 26. Trust Region Policy Optimization (TRPO) 27. Deep Deterministic Policy Gradient (DDPG) 28. Twin Delayed Deep Deterministic Policy Gradient (TD3) 29. Soft Actor-Critic (SAC) 30. مفاهیم پایه یادگیری تقویتی چندعامله (MARL) 31. عوامل همکار، عوامل رقیب، عوامل مختلط 32. بازی ها و تعادل نش 33. بازی های مجموع صفر 34. بازی های مجموع غیر صفر 35. محیط های چندعامله 36. مدل های مختلف تعامل عامل 37. مدل های متمرکز، مدل های غیرمتمرکز 38. مدل های نیمه متمرکز 39. چالش های کلیدی در MARL 40. ...