নিক অ্যালজারের উত্তরটি খুব ভাল, তবে আমি একটি উদাহরণ পদ্ধতি, মহানগর-হেস্টিংস পদ্ধতিতে এটিকে আরও কিছুটা গাণিতিক করে তুলছি।
ijQ(i,j)Q(i,j)=Q(j,i)F(i)>0i
ij
min(1,F(j)F(i))
অন্য কথায়, যদি বেশি ফিট থাকে তবে আমরা সর্বদা এটি গ্রহণ করি তবে যদি কম ফিট হয় তবে আমরা এটিকে সম্ভাব্যতা take with দিয়ে নিয়ে থাকি , অন্যথায় আমরা যতক্ষণ না আমাদের গ্রহণযোগ্য না হওয়া পর্যন্ত আবার চেষ্টা করি পরিব্যক্তি।jjF(j)F(i)
এখন আমরা অন্বেষণ করতে চাই , প্রকৃত সম্ভাবনা যে আমরা থেকে রূপান্তরটি করতে ।P(i,j)ij
স্পষ্টত এটি:
P(i,j)=Q(i,j)min(1,F(j)F(i))
ধরা যাক যে । তারপরে = 1 এবং তাই:F(j)≥F(i)min(1,F(j)F(i))
F(i)P(i,j)
=F(i)Q(i,j)min(1,F(j)F(i))
=F(i)Q(i,j)
=Q(j,i)min(1,F(i)F(j))F(j)
=F(j)P(j,i)
যুক্তিটি পিছনের দিকে চালানো, এবং যেখানে তুচ্ছ ঘটনাটি পরীক্ষা করে দেখা যায় , আপনি এবং এবং জন্য দেখতে পারেন :i=jij
F(i)P(i,j)=F(j)P(j,i)
এটি কয়েকটি কারণে লক্ষণীয়।
উত্তরণের সম্ভাবনা স্বতন্ত্র । অবশ্যই, এটি আকর্ষকটি শেষ হতে আমাদের কিছুটা সময় নিতে পারে এবং একটি রূপান্তর গ্রহণ করতে আমাদের কিছুটা সময় নিতে পারে। একবার আমরা করি, রূপান্তর সম্ভাবনা সম্পূর্ণ উপর নির্ভর করে , এবং উপর নয় ।QFQ
যা দিচ্ছি তার উপর সামারি :i
∑iF(i)P(i,j)=∑iF(j)P(j,i)
স্পষ্টতই যোগফল অবশ্যই যদি আপনি সমস্ত উপরে যোগ করেন (অর্থাত্, একটি রাজ্য থেকে স্থানান্তরিত হওয়ার সম্ভাবনাগুলি অবশ্যই সমষ্টি হতে হবে ), সুতরাং আপনি পান:P(j,i)1i1
F(j)=∑iF(i)P(i,j)
এটি হ'ল, হ'ল (অস্বাভাবিক) সম্ভাব্যতা ঘনত্ব ফাংশন যার জন্য পদ্ধতিটি চয়ন করে। আপনি কেবল পুরো ল্যান্ডস্কেপ অন্বেষণের জন্য গ্যারান্টিযুক্ত নন, আপনি প্রতিটি রাজ্য কতটা "ফিট" তার অনুপাতে করেন।F
অবশ্যই এটি অনেকের মধ্যে একটি উদাহরণ; যেমনটি আমি নীচে উল্লেখ করেছি, এটি এমন একটি পদ্ধতি হতে পারে যা ব্যাখ্যা করা খুব সহজ। আপনি সাধারণত একটি পিডিএফ অন্বেষণ না করে একটি জিএ ব্যবহার করেন, তবে একটি চূড়ান্ত সন্ধান করতে এবং আপনি সেই ক্ষেত্রে কিছু শর্ত শিথিল করতে পারেন এবং উচ্চ সম্ভাবনার সাথে শেষ পর্যন্ত অভিমুখে গ্যারান্টি দিতে পারেন।