পাহাড়ী আরোহণের অ্যালগরিদমের সীমাবদ্ধতাগুলি কীভাবে এবং কীভাবে তাদের পরাভূত করতে হয়?


উত্তর:


6

যেমন @ এনব্রো ইতিমধ্যে বলেছে যে হিল ক্লাইম্বিং স্থানীয় অনুসন্ধান অ্যালগরিদমের একটি পরিবার । সুতরাং, আপনি যখন হিল আরোহণের প্রশ্নে বলেছিলেন যে আমি ধরে নিয়েছি আপনি মানক পাহাড়ী আরোহণের কথা বলছেন। পাহাড়ী আরোহণের স্ট্যান্ডার্ড সংস্করণটির কিছু সীমাবদ্ধতা রয়েছে এবং প্রায়শই নিম্নলিখিত দৃশ্যে আটকে যায়:

  • স্থানীয় ম্যাক্সিমা: পার্বত্য অঞ্চলে পৌঁছানোর অ্যালগরিদম স্থানীয় সর্বাধিক মান পৌঁছে যায় এবং শিখরের দিকে টানা হয় এবং সেখানে আটকে যায়, সেখানে যাওয়ার আর কোনও জায়গা নেই
  • রিজগুলি: এগুলি স্থানীয় ম্যাক্সিমার ক্রম, এটি অ্যালগোরিদমকে চলাচল করতে অসুবিধাজনক করে তোলে।
  • মালভূমি: এটি একটি সমতল রাষ্ট্র-স্থান অঞ্চল । যাওয়ার মতো কোনও চড়াই উত্সব নেই, তাই প্রায়ই অ্যালগরিদম মালভূমিতে হারিয়ে যায়।

এই সমস্যাগুলি সমাধান করতে পাহাড়ী আরোহণের অ্যালগরিদমগুলির অনেকগুলি বিকাশ করা হয়েছে। এগুলি সর্বাধিক ব্যবহৃত হয়:

  • স্টহাস্টিক হিল ক্লাইম্বিং চড়াই উতরাই থেকে এলোমেলোভাবে নির্বাচন করে। চলাচলের সম্ভাবনাটি চড়াই উতরাইয়ের খাড়াতার সাথে পরিবর্তিত হয়।
  • ফার্স্ট-চয়েজ ক্লাইম্বিং উত্তোলনকারীদের উত্সাহিত করে উপরেরটিকে কার্যকর করে যতক্ষণ না আরও ভাল কোনও পাওয়া যায়।
  • লক্ষ্য স্থিতি না হওয়া পর্যন্ত এলোমেলোভাবে উত্পাদিত প্রাথমিক পদক্ষেপগুলি থেকে এলোমেলো-পুনঃসূচনা পাহাড়ের আরোহণ অনুসন্ধানগুলি।

পাহাড়ী আরোহণ অ্যালগরিদমের সাফল্য নির্ভর করে রাজ্য-স্থান ল্যান্ডস্কেপের আর্কিটেকচারের উপর on যখনই কিছু ম্যাক্সিমা এবং মালভূমি পাহাড়ের চূড়ান্ত সন্ধানের আলগোরিদিমগুলির রূপগুলি খুব সূক্ষ্মভাবে কাজ করে। তবে বাস্তব-জগতের সমস্যার মধ্যে এমন একটি আড়াআড়ি রয়েছে যা সমতল তলায় বাল্ডিং কর্কুপিনগুলির বিস্তৃত পরিবারের মতো দেখায়, প্রতিটি কর্কুপাইন সুইয়ের ডগায় ক্ষুদ্রাকৃতিগুলি বাস করে (কৃত্রিম বুদ্ধিমত্তা বইয়ের চতুর্থ অধ্যায়ে বর্ণিত) মডার্ন অ্যাপ্রোচ)। এনপি-হার্ড সমস্যাগুলিতে আটকা পড়ার জন্য সাধারণত স্থানীয় ম্যাক্সিমার ঘনিষ্ঠ সংখ্যা থাকে।
এই ধরণের সমস্যাগুলি কাটিয়ে উঠতে প্রদত্ত অ্যালগরিদমগুলি তৈরি করা হয়েছে:

  • উদ্দীপক অ্যানিলিং
  • স্থানীয় রশ্মি অনুসন্ধান
  • জেনেটিক আলগোরিদিম

রেফারেন্স বই - কৃত্রিম বুদ্ধি: একটি আধুনিক পদ্ধতি Appro


পাহাড় আরোহণের সমস্যাগুলি কাটিয়ে উঠতে আরও অনেক বিকল্প রয়েছে; যথা ক্রমশক্তি গ্রুপ, প্যাটার্ন ডাটাবেস এবং ব্যাকরণ ভিত্তিক অনুসন্ধান। তারা রাষ্ট্র-স্পেসে দ্রুত অনুসন্ধানের জন্য ডোমেন-নির্দিষ্ট জ্ঞান ব্যবহার করছে।
ম্যানুয়েল রদ্রিগেজ

হ্যাঁ @ ম্যানুয়েলরোড্রিগেজ ডোমেন-নির্দিষ্ট জ্ঞানের উপর নির্ভরশীল অ্যালগরিদম দুর্দান্ত ফলাফল দেয়। তবে আমি জেনেরিক সমস্যার উত্তরটি রাখার চেষ্টা করেছি, হিল ক্লাইম অনুসন্ধানের সীমাবদ্ধতাগুলি কাটিয়ে উঠতে পারে এমন কয়েকটি উপায়ের উল্লেখ করে।
16

5

পাহাড়ী আরোহণ কোনও অ্যালগরিদম নয়, তবে "স্থানীয় অনুসন্ধান" অ্যালগরিদমের পরিবার। "পাহাড়ী আরোহণ" অ্যালগোরিদমের বিভাগে আসা নির্দিষ্ট অ্যালগরিদমগুলি হ'ল 2-অপ্ট, 3-অপ্ট, 2.5-অপ্ট, 4-অপ্ট, বা সাধারণভাবে যে কোনও এন-অপ্ট। এই স্থানীয় অনুসন্ধান অ্যালগরিদমগুলির (টিএসপিতে প্রয়োগ করা হয়েছে) সম্পর্কিত আরও তথ্যের জন্য " দ্য ট্র্যাভেলিং সেলসম্যান প্রবলেম: লোকাল অপটিমাইজেশনের ক্ষেত্রে একটি কেস স্টাডি " পত্রিকার অধ্যায়টি দেখুন ।

এই বিভাগে একটি অ্যালগরিদমকে অন্য থেকে আলাদা করে কী তারা ব্যবহার করে "প্রতিবেশী কাজ" (সরল ভাষায়, তারা প্রদত্ত সমাধানের প্রতিবেশী সমাধানগুলি যেভাবে খুঁজে পায়)। মনে রাখবেন যে, বাস্তবে, এটি সর্বদা ক্ষেত্রে হয় না: প্রায়শই এই অ্যালগোরিদমগুলির বিভিন্ন আলাদা বাস্তবায়ন থাকে।

পাহাড়ী আরোহণের অ্যালগরিদমগুলির সর্বাধিক স্পষ্ট সীমাবদ্ধতা হ'ল তাদের প্রকৃতির কারণে, এটি হ'ল স্থানীয় অনুসন্ধান অ্যালগরিদম। তাই তারা সাধারণত স্থানীয় ম্যাক্সিমা (বা মিনিমা) সন্ধান করে। সুতরাং, যদি এই অ্যালগরিদমগুলির কোনও ইতিমধ্যে স্থানীয় সর্বনিম্ন (বা সর্বাধিক) রূপান্তরিত হয়েছে এবং সমাধান বা অনুসন্ধানের জায়গাতে, এই সন্ধান করা সমাধানের নিকটে, আরও ভাল সমাধান রয়েছে, এই অ্যালগরিদমগুলির মধ্যে এটির কোনও এটিই খুঁজে পেতে সক্ষম হবে না ভাল সমাধান। তারা মূলত আটকা পড়বে।

স্থানীয় অনুসন্ধান অ্যালগরিদম সাধারণত একা ব্যবহৃত হয় না। এগুলি অন্যান্য মেটা-হিউরিস্টিক অ্যালগরিদমের উপ-রুটিন হিসাবে ব্যবহার করা হয়, যেমন সিমুলেটেড অ্যানিলিং, পুনরাবৃত্তি-স্থানীয় অনুসন্ধান বা কোনও পিঁপড়া-কলোনী অ্যালগরিদমগুলিতে। সুতরাং, তাদের সীমাবদ্ধতাগুলি অতিক্রম করার জন্য, আমরা সাধারণত তাদের একা ব্যবহার করি না, তবে আমরা এগুলি অন্যান্য অ্যালগরিদমের সাথে একযোগে ব্যবহার করি, যার সম্ভাব্য প্রকৃতি রয়েছে এবং বৈশ্বিক মিনিমা বা ম্যাক্সিমা (উদাহরণস্বরূপ, পিঁপড়া-কলোনী অ্যালগরিদমের কোনওটি) খুঁজে পেতে পারে।


সুন্দর উত্তর (+1)! পিঁপড়া-কলোনী অ্যালগরিদমগুলি সম্পর্কে জানতে আপনি কি কোনও উত্স (ইউটিউব, ব্লগ পোস্ট, আর্কাইভ পেপার, বই) সুপারিশ করতে পারেন? আমি সে সম্পর্কে কখনও শুনিনি এবং তাদের সম্পর্কে মোটামুটি ধারণা পেতে চাই।
মার্টিন থোমা

1
@ মার্টিন থোমা আমি আশঙ্কা করছি যে এসিএসের খুব সুন্দর টিউটোরিয়ালটি আমি সত্যিই জানি না। হতে পারে আপনি নীচের সংক্ষিপ্ত টিউটোরিয়াল এবং সংশ্লিষ্ট বাস্তবায়ন দিয়ে শুরু করতে পারেন: ক্লিভেরালগরিদমস / প্রকৃতি- ইনস্পায়ার্ড / সওয়ার্ম/… । আপনি যদি আরও গুরুতর বাস্তবায়নে আগ্রহী হন, টিএসপিতে প্রয়োগ করা হয়, তবে এইটি দেখুন: স্টোজল (এবং অন্যরা) দ্বারা বাস্তবায়িত aco-metaheuristic.org/aco-code , উন্নয়নের ক্ষেত্রে অন্যতম অবদানকারী এই কৌশল।
nbro

প্রশ্নকারী জানেন, পাহাড়ী আরোহণের আনুষ্ঠানিক সংজ্ঞা কী কারণ তিনি উইকিপিডিয়া নিবন্ধটি পড়েছেন। প্রশ্নটি আর্টিফিশিয়াল ইন্টেলিজেন্সের জন্য কীভাবে এটি ব্যবহার করতে হয় তার দিকে আরও যায়। এটি জানা গেছে, হিল আরোহণ কেবল স্থানীয় স্থান অনুসন্ধান করতে পারে, যা এআই সম্পর্কিত সমস্যার জন্য এটি কঠিন করে তোলে। সাধারণত অনুসন্ধানটি স্থানীয় অপটিমে আটকে যায় যার অর্থ ট্র্যাভেলিং সেলসম্যান সমস্যার মধ্যে সবচেয়ে সংক্ষিপ্ত রুটটি খুঁজে পাওয়া যাবে না।
ম্যানুয়েল রদ্রিগেজ

1
@ মার্টিনথোমা যাইহোক, আপনি গবেষণামূলক কাগজপত্রগুলিও দেখতে পারেন। আমি আপনাকে কেবল কয়েকজন গুরুত্বপূর্ণ গবেষককে বলতে পারি: ডরিগো (প্রথম যে প্রযুক্তিগুলি এএফআইএকে চালু করেছিল), গামবার্দেলা এবং স্ট্যাটজেল। তাদের কাগজপত্র দেখুন। আমি কোনটি সুপারিশ করব তা নিশ্চিত নই। এছাড়াও, যদি আপনি সত্যিকার অর্থে বিশদে যেতে চান তবে গোপন বুদ্ধির জন্য উত্সর্গীকৃত একটি বই রয়েছে (বোনাবাউ দ্বারা)।
nbro
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.