रणनीतिक योजना और बहुआयामी नैकपैक समस्या


11

मैं एक समस्या को हल करने के लिए एक नियोजन दृष्टिकोण खोजने की कोशिश कर रहा हूं जो नई सामग्री के मॉडल सीखने का प्रयास करता है। हम मानते हैं कि हमारे पास केवल एक संसाधन है जैसे कि विकिपीडिया, जिसमें लेखों की एक सूची है जिसमें एक ज्ञान के वेक्टर के रूप में प्रतिनिधित्व किया गया है और इस लेख को पढ़ने का प्रयास है।

ज्ञान वेक्टर और प्रयास

शुरू करने से पहले, हम वेक्टर के लिए एक आकार निर्धारित करते हैं, जो विभिन्न प्रकार के ज्ञान की संख्या पर निर्भर करता है। उदाहरण के लिए, हम सदिश में वस्तुओं को परिभाषित कर सकते हैं (algebra, geometry, dark ages), और फिर इस दृष्टिकोण से सभी लेखों को 'माप' सकते हैं। इसलिए, एक गणित लेख शायद होगा (5,7,0), क्योंकि यह बीजगणित और ज्यामिति के बारे में बहुत सारी बातें करेगा लेकिन अंधेरे युग के बारे में नहीं। इसे पढ़ने का भी एक प्रयास होगा, जो केवल एक पूर्णांक है।

मुसीबत

सभी लेखों (एक प्रयास के साथ ज्ञान वैक्टर के रूप में प्रतिनिधित्व) को देखते हुए, हम उन लेखों के इष्टतम सेट को खोजना चाहते हैं जो हमें ज्ञान लक्ष्य तक पहुंचने में मदद करते हैं (एक वेक्टर के रूप में भी प्रतिनिधित्व किया गया है)।

तो, एक ज्ञान लक्ष्य हो सकता है (4,4,0), और यह एक लेख पढ़ने के लिए पर्याप्त है (2,1,0)और (2,3,0), जब से, इसे जोड़ा जाता है, यह ज्ञान लक्ष्य तक जोड़ता है। हम न्यूनतम प्रयास के साथ ऐसा करना चाहते हैं ।

सवाल

मैंने कुछ अनुमानों के लिए एक अनुमान लगाने की कोशिश की है, लेकिन मैं सोच रहा था कि क्या कला रणनीतिक योजना पद्धति का कोई राज्य है जो इसके बजाय इस्तेमाल किया जा सकता है?


यह ज्ञान वेक्टर को प्रयास द्वारा विभाजित करने में मदद कर सकता है - इस तरह से आप जानते हैं कि एक लेख आपको प्रति प्रयास कितना ज्ञान देता है।
user6916458 10

बहुत अच्छी तरह से संरचित और दिलचस्प सवाल। ऐ में आपका स्वागत है!
ड्यूकझोउ

वैक्टर के अलावा तो वे ज्ञान सदिश करने के लिए एकमात्र मानदंड है? यदि हां, तो आपको समस्या सिक्का समस्या का बहुआयामी मामला प्रतीत होती है। en.wikipedia.org/wiki/Coin_problem msp.org/involve/2011/4-2/involve-v4-n2-p07 -p पीडीएफ
डैनियल

क्या आप स्पष्ट कर सकते हैं कि आप "नई सामग्री की सीख" मॉडल की आलोचना नहीं करना चाहते हैं (जो आईएमओ ज्ञान प्राप्त करने के लिए एक असामान्य तरीका है, जबकि मॉडल के भीतर एक मनमाना स्कोर प्राप्त करने का लक्ष्य अधिक अच्छी तरह से परिभाषित है)? मुझे नहीं लगता कि जो लिखा गया है उससे आप ऐसा करते हैं, लेकिन अब यह शीर्ष पर टकरा गया है, यह संभव है कि कोई व्यक्ति उस पर प्रतिक्रिया देगा, और प्रस्तुत किए गए नॉटपैक समस्या पर नहीं
नील स्लेटर

जवाबों:


1

यहां एक ट्रैवलिंग सेल्समैन की समस्या के लिए एक सट्टा कास्ट है , जो सबसे छोटे-पथ एल्गोरिदम को जन्म देगा।

कृपया ध्यान दें कि यह विचार विभिन्न बाधाओं का पता लगाने के लिए सुझाव देता है।

  • ज्ञान वैक्टर और प्रयासों को देखते हुए, एक एसाइक्लिक निर्देशित ग्राफ (एसाइक्लिक, जैसा कि हम अनलर्न करने वाले नहीं हैं) का निर्माण करें। एक शीर्ष लेख एक लेख है, जिसका ज्ञान वेक्टर द्वारा दर्शाया गया है। एक धार दो लेखों को जोड़ता है, जो लक्ष्य लेख / क्रिया (" उस लेख का ज्ञान प्राप्त करते हैं " को "स्थानांतरित" करने के प्रयास से भारित होता है )।
  • एक नए भागीदार के लिए एक शून्य वेक्टर असाइन करें। यह ग्राफ पर शुरुआती बिंदु है शीर्ष V0 = (0, ..., 0) है।
  • एक वेक्टर वी के रूप में एक सीखने के उद्देश्य को परिभाषित करें।
  • एक (V0, V) योजना को खोजने के लिए एक छोटी पथ एल्गोरिथ्म का उपयोग करें।

यह प्रक्रिया अपर्याप्त है, क्योंकि ग्राफ के निर्माण के कई तरीके हैं (दूसरे शब्दों में, ऊपर पूरी तरह से व्यर्थ है जैसा है )। इसे व्यावहारिक बनाने के लिए अतिरिक्त अवरोध आवश्यक हैं। उदाहरण के लिए, हम उन्हें प्रत्येक आयाम के साथ क्रमबद्ध करके शीर्ष रेखाओं का आदेश दे सकते हैं। इस तरह की सेटिंग से शिक्षार्थियों को "आसान" लेखों (V [i] कम है) के साथ शुरू करना होगा, और अधिक जटिल विषयों ((V [i] अधिक हो जाता है) की ओर कदम दर कदम बढ़ेंगे।

ग्राफ निर्माण उपलब्ध आंकड़ों पर निर्भर करता है। उदाहरण के लिए, ज्ञान वैक्टर "निरपेक्ष" हैं, या क्या वे सापेक्ष हो सकते हैं? रिश्तेदार एक रास्ता बनाने में मदद कर सकते हैं, जैसा कि वी से डब्ल्यू में स्थानांतरित करने के लिए एक प्रयास की आवश्यकता होती है जो आपके शिक्षार्थी की प्रारंभिक स्थितियों पर निर्भर करता है (V0 हर जगह 0 नहीं हो सकता है, बाद में)।


यह एक एआई सवाल है? निश्चित रूप से।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.