Stratejik planlama ve çok boyutlu sırt çantası problemi

Yeni materyalin öğrenilmesini modellemeye çalışan bir sorunu çözmek için bir planlama yaklaşımı bulmaya çalışıyorum. İçerdiği bir bilgi vektörü olarak temsil edilen makalelerin bir listesini ve bu makaleyi okuma çabasını içeren Wikipedia gibi sadece bir kaynağımız olduğunu varsayıyoruz .

Bilgi vektörü ve çaba

Başlamadan önce, farklı bilgi türlerinin sayısına bağlı olarak vektör için bir boyut belirleriz. Örneğin, vektördeki öğeleri tanımlayabilir (algebra, geometry, dark ages)ve sonra tüm makaleleri bu bakış açısından 'ölçebiliriz'. Yani, muhtemelen bir matematik makalesi olacak (5,7,0), çünkü cebir ve geometri hakkında çok şey konuşacak, ancak karanlık çağlar hakkında değil. Ayrıca okumak için çaba gösterecektir, ki bu sadece bir tamsayıdır.

Sorun

Tüm makaleler göz önüne alındığında (bir çaba ile bilgi vektörleri olarak temsil edilir), bir bilgi hedefine (vektör olarak da temsil edilir) ulaşmamıza yardımcı olan en uygun makaleleri bulmak istiyoruz .

Bu nedenle, bir bilgi hedefi olabilir (4,4,0)ve bir makaleyi okumak yeterlidir (2,1,0)ve (2,3,0)eklendiğinde bilgi hedefine katkıda bulunur. Bunu asgari çabayla yapmak istiyoruz .

Soru

Ben bir yaklaşım bulmak için bazı sezgisel tarama denedim, ama bunun yerine kullanılabilecek son teknoloji stratejik planlama yöntemi olup olmadığını merak ediyordum?

Burada sorunun en kısa yol algoritmalarına yol açacak olan seyahat eden bir satıcı sorununa spekülatif bir dökümü var .

Lütfen bu fikrin araştırılması için farklı kısıtlamalar önerdiğini unutmayın.

• Bilgi vektörleri ve çabaları göz önüne alındığında, asiklikle yönlendirilmiş bir grafik oluşturun (öğrenmemiz gerekmediği için asiklik). Bir tepe noktası, bilgi vektörü ile temsil edilen bir makaledir. Bir kenar, hedef makaleye / tepe noktasına "taşıma" çabasıyla ağırlıklandırılmış iki makaleyi birbirine bağlar (yani , bu makalenin bilgisini edinir ).
• Yeni bir katılımcıya sıfır vektörü atayın. Grafikteki başlangıç ​​noktası V0 = (0, ..., 0) köşe noktasıdır.
• Bir öğrenme hedefini bir V vektörü olarak tanımlayın.
• (V0, V) planını bulmak için en kısa yol algoritmasını kullanın.

Grafiği oluşturmanın birçok yolu olduğu için bu prosedür yetersizdir (başka bir deyişle, yukarıdaki gibi tamamen anlamsızdır ). Pratik hale getirmek için ekstra kısıtlamalar gereklidir. Örneğin, köşeleri her boyut boyunca sipariş ederek sipariş edebiliriz. Böyle bir ayar, öğrencilerin "kolay" makalelerle (V [i] düşük) başlamasına ve adım adım daha karmaşık konulara ((V [i] yükselir)) ilerlemesine yol açar.

Grafik yapısı mevcut verilere bağlıdır. Örneğin, bilgi vektörleri "mutlak" mıdır, yoksa göreli olabilir mi? Göreli bir yol oluşturmaya yardımcı olabilir, çünkü V'den W'ye geçmek öğrencinizin başlangıç ​​koşullarına bağlı bir çaba gerektirir (V0 her yerde 0 olmayabilir, daha sonra).

Bu bir AI sorusu mu? Kesinlikle.