전략 계획 및 다차원 배낭 문제

새로운 자료에 대한 학습을 ​​모델링하려는 문제를 해결하기위한 계획 방법을 찾고 있습니다. 우리는 Wikipedia와 같은 하나의 리소스만을 가지고 있다고 가정합니다. 여기에는 포함 된 지식 의 벡터 로 표시되는 기사 목록과 해당 기사 를 읽으 려는 노력 이 들어 있습니다 .

지식 벡터와 노력

시작하기 전에 다양한 유형의 지식 수에 따라 벡터의 크기를 설정했습니다. 예를 들어 벡터의 항목을로 정의한 (algebra, geometry, dark ages)다음이 관점에서 모든 기사를 '측정'할 수 있습니다. 따라서 수학 기사는 아마도 (5,7,0)대수와 기하학에 대해서는 많이 이야기하지만 암흑기에 대해서는 이야기하지 않기 때문일 것입니다 . 또한 간단히 읽을 수 있도록 노력할 것 입니다.

문제

모든 기사 (노력과 지식 벡터로 표시)가 주어지면 지식 목표 (벡터로도 표시) 에 도달하는 데 도움이되는 최적의 기사 세트를 찾고 싶습니다 .

따라서 지식 목표는 될 수 있으며 (4,4,0)기사를 읽는 것으로 충분 (2,1,0)하며 (2,3,0), 추가되면 지식 목표에 합산되기 때문입니다. 최소한의 노력 으로이 작업을 수행하려고합니다 .

질문

나는 추론을 시도하여 근사치를 찾았지만 대신 사용할 수있는 최첨단 전략 계획 방법이 있는지 궁금합니다.

여행하는 세일즈맨 문제에 대한 추론 적 캐스트는 최단 경로 알고리즘으로 이어집니다.

이 아이디어는 탐색해야 할 여러 가지 제약 조건을 제안합니다.

• 지식 벡터와 노력이 주어지면 비순환 지향 그래프를 작성하십시오 (우리가 배우지 말아야 할 비순환). 정점은 지식 벡터로 표시되는 기사입니다. 엣지는 대상 기사 / 정점으로 "이동"하려는 노력으로 가중치가 부여 된 두 기사를 연결합니다 (즉 , 해당 기사에 대한 지식 획득 ).
• 새로운 참가자에게 제로 벡터를 할당하십시오. 이것이 그래프의 시작점이 정점 V0 = (0, ..., 0)입니다.
• 학습 목표를 벡터 V로 정의하십시오.
• 최단 경로 알고리즘을 사용하여 (V0, V) 계획을 찾으십시오.

그래프를 작성하는 많은 방법이 있기 때문에이 절차는 충분하지 않습니다 (즉, 위의 내용은 그대로 의미가 없습니다) ). 실용화하기 위해서는 추가적인 제약이 필요합니다. 예를 들어 각 차원을 따라 정점을 정렬하여 정점을 정렬 할 수 있습니다. 이러한 설정은 학습자가 "쉬운"기사로 시작하고 (V [i]는 낮음)보다 복잡한 주제로 단계적으로 이동합니다 ((V [i]는 높아짐).

그래프 구성은 사용 가능한 데이터에 따라 다릅니다. 예를 들어 지식 벡터가 "절대"입니까, 아니면 상대적 일 수 있습니까? V에서 W로 이동하려면 학습자의 초기 조건에 따라 노력이 필요하기 때문에 상대는 경로를 만드는 데 도움이 될 수 있습니다 (V0은 0이 될 수는 없습니다).

AI 질문입니까? 명확히.