স্বল্প-সীমাবদ্ধতা-মান কী?

Question

সীমাবদ্ধতা সন্তুষ্টির সমস্যায়, হিউরিস্টিক্সটি একটি সেক্টর সলভারের কার্যকারিতা উন্নত করতে ব্যবহার করা যেতে পারে। সাধারণ ব্যাকট্র্যাকিং সলভারগুলির জন্য সাধারণত তিনটি প্রদত্ত হিউরিস্টিক্স হ'ল:

• সর্বনিম্ন-অবশিষ্ট-মানগুলি (এই ভেরিয়েবলের জন্য এখনও কতগুলি মান কার্যকর হয়)
• ডিগ্রি হিউরিস্টিক (আরও কতগুলি ভেরিয়েবল এই ভেরিয়েবল দ্বারা প্রভাবিত হয়)
• স্বল্প-সীমাবদ্ধতা-মান (কোন মানটি অন্যান্য ভেরিয়েবলগুলির জন্য সর্বাধিক অন্যান্য মানগুলি ছেড়ে দেবে)

প্রথম দুটি বাস্তবায়নের জন্য বেশ সুস্পষ্ট এবং সহজ। প্রথমে তার ভেরিয়েবলটি বেছে নিন যার ডোমেনে সর্বনিম্ন মান রয়েছে এবং যদি সম্পর্ক থাকে তবে এমন একটি চয়ন করুন যা সর্বাধিক অন্যান্য ভেরিয়েবলগুলিকে প্রভাবিত করে। এইভাবে যদি সলভারের কোনও পিতা-মাতা পদক্ষেপ একটি খারাপ কার্যভার বাছাই করে, আপনি খুব তাড়াতাড়ি খুঁজে পেতে পারেন এবং এর ফলে আপনি যদি অন্যান্য জিনিসগুলিকে প্রভাবিত করে সর্বনিম্ন মানগুলি রেখে ভেরিয়েবলটি বেছে নেন তবে সময় সাশ্রয় করতে পারেন।

এগুলি সহজ, স্পষ্টভাবে সংজ্ঞায়িত এবং কার্যকর করা সহজ।

ন্যূনতম-সীমাবদ্ধতা-মানটি পরিষ্কারভাবে সংজ্ঞায়িত করা হয়নি, আমি যেখানেই দেখেছি। কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতির (রাসেল এবং নরভিগ) ঠিক বলেছেন:

এটি সেই মানটি পছন্দ করে যা প্রতিবন্ধকতার গ্রাফের প্রতিবেশী ভেরিয়েবলের জন্য সবচেয়ে কম পছন্দ পছন্দ করে।

"ন্যূনতম-সীমাবদ্ধতা-মান" সন্ধান করা কেবল এই পাঠ্যপুস্তকের উপর ভিত্তি করে প্রচুর বিশ্ববিদ্যালয় স্লাইড শো চালু করেছে, এটি কীভাবে আলগোরিদিমভাবে করা হবে সে সম্পর্কে আরও কোনও তথ্য নেই।

এই হিউরিস্টিকের জন্য দেওয়া একমাত্র উদাহরণ হ'ল এমন একটি ক্ষেত্রে যেখানে মানের একটি পছন্দ প্রতিবেশী ভেরিয়েবলের জন্য সমস্ত পছন্দকে সরিয়ে দেয় এবং অন্যটি তা করে না। এই উদাহরণের সাথে সমস্যাটি হ'ল এটি একটি তুচ্ছ ঘটনা, যা সমস্যার সীমাবদ্ধতার সাথে সামঞ্জস্যতার জন্য সম্ভাব্য কার্যভারটি পরীক্ষা করা হলে তাত্ক্ষণিকভাবে বাদ দেওয়া হবে। সুতরাং আমি যে সমস্ত উদাহরণ খুঁজে পেতে পারি তার মধ্যে, স্বল্পতম-সীমাবদ্ধতা-মূল্যবান হিউরিস্টিক আসলে কোনওভাবেই সলভার পারফরম্যান্সকে উপকৃত করতে পারেনি, অযৌক্তিক চেক যুক্ত করা থেকে একটি ছোট নেতিবাচক প্রভাব বাদ দিয়ে।

কেবলমাত্র অন্য যে জিনিসটি আমি ভাবতে পারি তা হ'ল প্রতিটি অ্যাসাইনমেন্টের জন্য প্রতিবেশী ভেরিয়েবলের সম্ভাব্য কার্যভার পরীক্ষা করা, এবং এই ভেরিয়েবলের প্রতিটি সম্ভাব্য অ্যাসাইনমেন্টের জন্য উপস্থিত প্রতিবেশীদের সম্ভাব্য কার্যভারের সংখ্যা গণনা করা, তারপরে এই ভেরিয়েবলের জন্য মানগুলি অর্ডার করুন যদি সেই মানটি চয়ন করা হয় তবে প্রতিবেশী কার্যভারের সংখ্যাটির উপর ভিত্তি করে। যাইহোক, আমি দেখতে পাচ্ছি না এটি কীভাবে এলোমেলো অর্ডারের তুলনায় উন্নতি করবে, কারণ এটির জন্য অসংখ্য ভেরিয়েবল সংমিশ্রণ পরীক্ষা করা এবং গণনা থেকে প্রাপ্ত ফলাফলের ভিত্তিতে বাছাই উভয় প্রয়োজন।

যে কেউ ন্যূনতম-সীমাবদ্ধতা-মানটির আরও কার্যকর বর্ণনা দিতে পারে এবং ব্যাখ্যা করতে পারে যে কীভাবে ন্যূনতম-সীমাবদ্ধতা-মানটির সংস্করণটি উন্নতি করতে পারে?

Comments

এআই: এএমএ (পৃষ্ঠা 228) উল্লেখ করেছে যে হরালিক এবং এলিয়ট (1980) সর্বনিম্ন সীমাবদ্ধ মান হিউরিস্টিকের প্রস্তাব করেছিল। কাগজটিতে ( এখানে পাওয়া যায় ) এআই: এএমএ ব্যবহৃত হয় তার থেকে অনেক আলাদা ভাষা ব্যবহার করে এবং কোন বিভাগটি এলসিভি হিউরিস্টিককে বোঝায় তা নির্ধারণ করতে আমার সমস্যা হচ্ছে।

— রায়ান

Answer 1

এই লিঙ্কটি দেখুন:

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

এটি প্রথমে "ও" পরিবর্তনশীল বাছাই করে এবং তারপরে "ও" এর প্রতিবেশী "এন" এর হ্রাসের সংখ্যা দেখতে এটির সমস্ত আইনী মান "i" দিয়ে "ও" পরীক্ষা করে। এটি তাদের সমস্ত যোগ করে। এবং একটি "i" বাছাই করে যা কম হ্রাস ঘটায়:

   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"

এটি "আমি" বাছাই করে যাতে:

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

আমি আশা করি এটি আপনাকে আপনার উত্তর খুঁজে পেতে সহায়তা করতে পারে!

Comments

এটির উত্তর নেইexplain how that version of least-constraining-value would actually yield an improvement?

— skrtbhtngr

Answer 2

আমি মনে করি যে এখানে মূল জিনিসটি হ'ল সমাধানটি যে কাজের জন্য রচিত তা নির্ভর করে এই হিউরিস্টিক্স প্রয়োগ করা হয়। এবং যদি এমন কোনও সম্ভাবনা থাকে যে যদি কোনও ভেরিয়েবলের নির্বাচিত মান অন্য ভেরিয়েবলের ডোমেনে একটি মান রেখে না যায় (আসুন আমরা বলি যে কেবলমাত্র একটি সমাধানের সাথে আমাদের ভারী-সীমাবদ্ধ সমস্যা রয়েছে), তবে সমাধানটি স্থবির হয়ে যাবে will । এবং এলোমেলো অনুসন্ধান সঠিক সিদ্ধান্ত নিয়ে যেতে পারে যা সিদ্ধান্ত এবং ভুলের দিকে নিয়ে যায়। এবং যদি এটি ভুল হয়ে যায়, আপনাকে ব্যাকট্র্যাকিং করতে হবে (সংঘাত-নির্দেশিত ব্যাকজাম্পিং দেখুন), এবং এটি গণনার সময় নেয়। তবে এলসিভি হিউরিস্টিক্স ব্যবহার করে অ্যালগরিদম আরও সঠিক পথে এগিয়ে যাওয়ার সম্ভাবনা বেশি এবং কোনও রিটার্নের প্রয়োজন হয় না। তবে যদি অন্তর্ভুক্ত সমস্যা থাকে তবে আমার মনে হয় এটি অনেকটা এলোমেলো অনুসন্ধানের মতো হবে।