क्या है लिस्ट-कॉस्टिंग-वैल्यू?

Question

बाधा संतुष्टि की समस्याओं में, हेक्टिस्टिक्स का उपयोग एक बैक्ट्रैकिंग सॉल्वर के प्रदर्शन को बेहतर बनाने के लिए किया जा सकता है। साधारण बैकलाइटिंग सॉल्वरों के लिए आमतौर पर दिए गए तीन आंकड़े हैं:

• न्यूनतम-शेष-मूल्य (इस चर के लिए कितने मूल्य अभी भी मान्य हैं)
• डिग्री अनुमानी (इस चर से कितने अन्य चर प्रभावित होते हैं)
• कम से कम-मूल्य-मूल्य (अन्य चर के लिए सबसे अधिक मूल्य क्या छोड़ देंगे)

पहले दो बहुत स्पष्ट और लागू करने के लिए सरल हैं। पहले उस वैरिएबल को चुनें, जिसके डोमेन में कम से कम वैल्यूज बाकी हैं, और यदि संबंध हैं, तो वह चुनें जो सबसे दूसरे वैरिएबल को प्रभावित करता है। इस तरह से अगर सॉल्वर में एक पैरेंट स्टेप ने खराब असाइनमेंट उठाया, तो आपको जल्द ही इसका पता लगने की संभावना है और इस तरह से समय की बचत होगी यदि आप कम से कम वैल्यू के साथ वैरिएबल चुनते हैं जो सबसे अन्य चीजों को प्रभावित करता है।

वे सरल, स्पष्ट रूप से परिभाषित और लागू करने में आसान हैं।

कहीं भी मैंने देखा, कम से कम दबाव-मूल्य स्पष्ट रूप से परिभाषित नहीं है। आर्टिफिशियल इंटेलिजेंस: ए मॉडर्न एप्रोच (रसेल एंड नॉरविग) बस कहता है:

यह मान को प्राथमिकता देता है जो बाधा ग्राफ में पड़ोसी चर के लिए सबसे कम विकल्पों को नियंत्रित करता है।

"कम से कम-विवशता-मूल्य" की खोज ने केवल इस पाठ्यपुस्तक के आधार पर बहुत सारे विश्वविद्यालय स्लाइड शो को बदल दिया, इस बारे में कोई और जानकारी नहीं कि यह एल्गोरिथम कैसे किया जाएगा।

इस अनुमान के लिए दिया गया एकमात्र उदाहरण एक ऐसा मामला है जहां मूल्य का एक विकल्प पड़ोसी चर के लिए सभी विकल्पों को समाप्त करता है, और दूसरा नहीं करता है। इस उदाहरण के साथ समस्या यह है कि यह एक तुच्छ मामला है, जो समस्या की बाधाओं के साथ स्थिरता के लिए संभावित असाइनमेंट की जांच करने पर तुरंत समाप्त हो जाएगा। इसलिए सभी उदाहरणों में, मैं पा सकता था, सबसे कम-विवशता-मूल्य-निर्धारण को वास्तव में किसी भी तरह से सॉल्वर प्रदर्शन का लाभ नहीं मिला, केवल एक निरर्थक जांच को जोड़ने से एक छोटे से नकारात्मक प्रभाव को छोड़कर।

केवल एक चीज जो मैं सोच सकता हूं वह यह है कि प्रत्येक असाइनमेंट के लिए पड़ोसी वेरिएबल्स के संभावित असाइनमेंट्स का परीक्षण करें, और इस वेरिएबल के प्रत्येक संभावित असाइनमेंट के लिए मौजूद पड़ोसियों के संभावित असाइनमेंट की संख्या की गणना करें, फिर इस वेरिएबल के लिए मानों को ऑर्डर करें यदि उस मूल्य को चुना जाता है तो उपलब्ध पड़ोसी असाइनमेंट की संख्या के आधार पर। हालाँकि, मैं यह नहीं देखता कि यह कैसे एक यादृच्छिक क्रम में सुधार की पेशकश करेगा, क्योंकि इसके लिए गिनती के परिणामों के आधार पर कई चर संयोजनों के परीक्षण और छंटाई दोनों की आवश्यकता होती है।

क्या कोई कम से कम विवश-मूल्य का अधिक उपयोगी विवरण दे सकता है, और बता सकता है कि कम से कम-विवशता-मूल्य का वह संस्करण वास्तव में सुधार कैसे लाएगा?

Comments

एआई: एएमए (पीपी। 228) में उल्लेख किया गया है कि हर्किक और इलियट (1980) द्वारा सबसे कम विवशता वाले मूल्य निर्धारण को प्रस्तावित किया गया था। पेपर ( यहां पाया गया ) एआई: एएमए में इस्तेमाल होने वाली भाषा की तुलना में बहुत अलग है और मुझे यह निर्धारित करने में परेशानी हो रही है कि कौन सा खंड एलसीवी अनुमानी को संदर्भित करता है।

— रयान

Answer 1

इस लिंक को देखें:

https://people.cs.pitt.edu/~wiebe/courses/CS2710/lectures/constraintSat.example.txt

यह पहले "O" चर लेता है और फिर "O" का परीक्षण करता है, इसके सभी कानूनी मूल्यों "i" के साथ "O" के पड़ोसियों "N" पर कटौती की संख्या को देखता है। यह उन सभी को जोड़ता है। और एक "i" चुनता है जो कम कटौती का कारण बनता है:

   sums = {0:0,1:0,2:0,3:0,4:0,5:0,6:0,7:0,8:0,9:0}
   For i from 0 to 9:  
     plug "o=i" into the constraint formulas
     For each neighbor "N" of "o" in the constraint graph:
       sums[i] += the number of values remaining for "N"

यह "मैं" चुनता है ताकि:

sums[i] = MAX{sums[i] | for all "i" that is a member of "O",s valid values}

मुझे आशा है कि यह आपको अपना उत्तर खोजने में मदद कर सकता है!

Comments

इसका जवाब नहीं हैexplain how that version of least-constraining-value would actually yield an improvement?

— skrtbhtngr

Answer 2

मुझे लगता है कि यहां मुख्य बात यह है कि इन आंकड़ों को उस कार्य के आधार पर लागू किया जाता है जिसके लिए सॉल्वर लिखा गया है। और अगर कोई संभावना है कि यदि एक चर का चयनित मान किसी अन्य चर के डोमेन में एक मान नहीं छोड़ता है (मान लें कि हमें केवल एक समाधान के साथ भारी-विवश समस्या है), तो समाधान एक ठहराव पर आ जाएगा । और एक यादृच्छिक खोज सही रास्ते पर जा सकती है जिससे निर्णय और गलत हो सकता है। और अगर यह गलत हो जाता है, तो आपको बैकट्रैकिंग करना होगा (संघर्ष-निर्देशित बैकजंपिंग देखें), और यह कम्प्यूटेशनल समय लेता है। लेकिन एलसीवी हेयुरेटिक्स का उपयोग करने वाला एल्गोरिथ्म अधिक सही पथ के साथ जाने की संभावना है और कोई रिटर्न की आवश्यकता नहीं है। लेकिन अगर कोई समस्या है तो मुझे लगता है कि यह यादृच्छिक खोज की तरह होगा।