पहाड़ी पर चढ़ने वाले एल्गोरिदम की सीमाएं क्या हैं ? हम इन सीमाओं को कैसे पार कर सकते हैं?
पहाड़ी पर चढ़ने वाले एल्गोरिदम की सीमाएं क्या हैं ? हम इन सीमाओं को कैसे पार कर सकते हैं?
जवाबों:
जैसा कि @nbro ने पहले ही कहा है कि हिल क्लाइम्बिंग स्थानीय खोज एल्गोरिदम का एक परिवार है । इसलिए, जब आपने प्रश्न में हिल क्लाइम्बिंग कहा था, तो मैंने मान लिया है कि आप मानक पहाड़ी चढ़ाई के बारे में बात कर रहे हैं। पहाड़ी चढ़ाई के मानक संस्करण की कुछ सीमाएँ हैं और अक्सर निम्न परिदृश्य में फंस जाती हैं:
इन मुद्दों को हल करने के लिए पहाड़ी चढ़ाई एल्गोरिदम के कई प्रकार विकसित किए गए हैं। ये सबसे अधिक उपयोग किए जाते हैं:
पहाड़ी चढ़ाई एल्गोरिदम की सफलता राज्य-अंतरिक्ष परिदृश्य की वास्तुकला पर निर्भर करती है। जब भी कुछ मैक्सिमा और प्लेटो होते हैं तो हिल क्लाइम्बिंग के वेरिएंट खोज एल्गोरिदम बहुत बारीक काम करते हैं। लेकिन वास्तविक दुनिया की समस्याओं में एक ऐसा परिदृश्य है जो एक सपाट फर्श पर एक व्यापक रूप से बिखरे हुए दलिया की तरह दिखता है, जिसमें प्रत्येक साही की सुई की नोक पर रहने वाले लघु पोरपाइन होते हैं (जैसा कि पुस्तक आर्टिफिशियल इंटेलिजेंस के चौथे अध्याय में वर्णित है: A आधुनिक दृष्टिकोण)। एनपी-हार्ड समस्याओं में आमतौर पर स्थानीय मैक्सिमा की एक घातीय संख्या होती है, जिस पर अटक जाते हैं।
इस प्रकार के मुद्दों को दूर करने के लिए एल्गोरिदम विकसित किए गए हैं:
पहाड़ी चढ़ाई एक एल्गोरिथ्म नहीं है, बल्कि "स्थानीय खोज" एल्गोरिदम का एक परिवार है। विशिष्ट एल्गोरिदम जो "पहाड़ी चढ़ाई" की श्रेणी में आते हैं एल्गोरिदम 2-ऑप्ट, 3-ऑप्ट, 2.5-ऑप्ट, 4-ऑप्ट या सामान्य रूप से, किसी भी एन-ऑप्ट हैं। इन स्थानीय खोज एल्गोरिदम (टीएसपी पर लागू) के बारे में अधिक जानकारी के लिए " द ट्रैवलिंग सेल्समैन प्रॉब्लम: ए केस स्टडी इन लोकल ऑप्टिमाइजेशन " (डेविड एस। जॉनसन और लाइल ए। मैकगॉच द्वारा) पेपर के अध्याय 3 को देखें ।
इस श्रेणी में एक एल्गोरिथ्म को दूसरे से अलग करने वाला "पड़ोस फ़ंक्शन" है जिसका वे उपयोग करते हैं (सरल शब्दों में, जिस तरह से वे किसी दिए गए समाधान के लिए पड़ोसी समाधान ढूंढते हैं)। ध्यान दें, व्यवहार में, यह हमेशा ऐसा नहीं होता है: अक्सर इन एल्गोरिदम में कई अलग-अलग कार्यान्वयन होते हैं।
पहाड़ी चढ़ाई वाले एल्गोरिदम की सबसे स्पष्ट सीमा उनके स्वभाव के कारण है, अर्थात वे स्थानीय खोज एल्गोरिदम हैं। इसलिए वे आमतौर पर केवल स्थानीय मैक्सिमा (या मिनीमा) पाते हैं । इसलिए, अगर इनमें से कोई भी एल्गोरिदम पहले से ही एक स्थानीय न्यूनतम (या अधिकतम) में परिवर्तित हो गया है और, समाधान या खोज स्थान में है, तो इस पाया समाधान के करीब है, एक बेहतर समाधान, इनमें से कोई भी एल्गोरिदम इसे खोजने में सक्षम नहीं होगा। बेहतर समाधान। वे मूल रूप से फंस जाएंगे।
स्थानीय खोज एल्गोरिदम आमतौर पर अकेले उपयोग नहीं किए जाते हैं। वे अन्य मेटा-हेयूरिस्टिक एल्गोरिदम के उप-रूटीन के रूप में उपयोग किए जाते हैं, जैसे नकली एनालिंग, इटेरेट-लोकल सर्च या किसी भी एंटी-कॉलोनी एल्गोरिदम में। इसलिए, उनकी सीमाओं को पार करने के लिए, हम आमतौर पर उन्हें अकेले उपयोग नहीं करते हैं, लेकिन हम उन्हें अन्य एल्गोरिदम के साथ संयोजन में उपयोग करते हैं, जिसमें एक संभाव्य प्रकृति होती है और वैश्विक मिनीमा या मैक्सिमा (उदाहरण के लिए, एंटी-कॉलोनी एल्गोरिदम) में से कोई भी मिल सकता है।