Perencanaan strategis dan masalah ransel multi dimensi


11

Saya mencoba menemukan pendekatan perencanaan untuk menyelesaikan masalah yang mencoba memodelkan pembelajaran materi baru. Kami berasumsi bahwa kami hanya memiliki satu sumber daya seperti Wikipedia, yang berisi daftar artikel yang direpresentasikan sebagai vektor pengetahuan yang dikandungnya dan upaya untuk membaca artikel itu.

Vektor dan upaya pengetahuan

Sebelum kita mulai, kita menetapkan ukuran untuk vektor, tergantung pada jumlah berbagai jenis pengetahuan. Sebagai contoh, kita dapat mendefinisikan item dalam vektor menjadi (algebra, geometry, dark ages), dan kemudian 'mengukur' semua artikel dari sudut pandang ini. Jadi, artikel matematika mungkin akan (5,7,0), karena akan banyak berbicara tentang aljabar dan geometri tetapi tidak tentang zaman kegelapan. Ini juga akan memiliki upaya untuk membacanya, yang hanya merupakan bilangan bulat.

Masalah

Mengingat semua artikel (direpresentasikan sebagai vektor pengetahuan dengan upaya), kami ingin menemukan set artikel yang optimal yang membantu kami mencapai tujuan pengetahuan (juga direpresentasikan sebagai vektor).

Jadi, tujuan pengetahuan bisa (4,4,0), dan itu cukup untuk membaca artikel (2,1,0)dan (2,3,0), karena, ketika ditambahkan, itu menambah hingga tujuan pengetahuan. Kami ingin melakukan ini dengan upaya minimal .

Pertanyaan

Saya sudah mencoba beberapa heuristik untuk menemukan perkiraan, tetapi saya bertanya-tanya apakah ada metode perencanaan strategis canggih yang dapat digunakan sebagai gantinya?


Mungkin membantu untuk membagi vektor pengetahuan dengan upaya - dengan cara ini Anda tahu berapa banyak pengetahuan per upaya yang diberikan artikel kepada Anda.
user6916458

Pertanyaan yang sangat terstruktur dan menarik. Selamat datang di AI!
DukeZhou

Apakah penambahan vektor sehingga mereka menjumlahkan vektor pengetahuan satu-satunya kriteria? Jika demikian, masalah Anda tampaknya merupakan kasus multi-dimensi dari masalah koin en.wikipedia.org/wiki/Coin_problem msp.org/involve/2011/4-2/involve-v4-n2-p07-p. pdf
Daniel

Bisakah Anda mengklarifikasi bahwa Anda tidak ingin kritik terhadap model "pembelajaran materi baru" (yang IMO tampaknya merupakan cara yang tidak biasa untuk memodelkan memperoleh pengetahuan, sementara tujuan mencapai skor sewenang-wenang dalam model lebih didefinisikan dengan baik)? Saya tidak berpikir Anda melakukannya dari apa yang tertulis, tetapi sekarang ini telah naik ke atas, ada kemungkinan bahwa seseorang akan menanggapi itu, dan bukan pada masalah ransel yang disajikan
Neil Slater

Jawaban:


1

Berikut adalah contoh spekulatif dari masalah ke masalah salesman keliling , yang akan mengarah pada algoritma jalur terpendek.

Harap perhatikan ide ini menyarankan berbagai kendala untuk dijelajahi.

  • Mengingat vektor pengetahuan dan upaya, membangun grafik diarahkan asiklik (asiklik, karena kita tidak seharusnya melepaskan pelajaran). Vertex adalah artikel, diwakili oleh vektor pengetahuannya. Sebuah tepi menghubungkan dua artikel, yang terbebani oleh upaya untuk "pindah" ke artikel target / titik (yaitu memperoleh pengetahuan artikel itu).
  • Tetapkan vektor nol untuk peserta baru. Itu adalah titik awal pada grafik adalah titik V0 = (0, ..., 0).
  • Tetapkan tujuan pembelajaran sebagai vektor V.
  • Gunakan algoritma jalur terpendek untuk menemukan paket (V0, V).

Prosedur ini tidak cukup, karena ada banyak cara untuk membangun grafik (dengan kata lain, di atas adalah benar-benar sia-sia seperti ). Kendala tambahan diperlukan untuk membuatnya praktis. Sebagai contoh, kita dapat memesan simpul dengan memesannya sepanjang setiap dimensi. Pengaturan seperti itu akan mengarahkan peserta didik untuk memulai dengan artikel "mudah" (V [i] rendah), dan bergerak selangkah demi selangkah menuju topik yang lebih kompleks ((V [i] semakin tinggi).

Konstruksi grafik tergantung pada data yang tersedia. Misalnya, apakah vektor pengetahuan "mutlak", atau bisakah mereka relatif? Relatif dapat membantu dalam menciptakan jalur, karena bergerak dari V ke W memerlukan upaya yang tergantung pada kondisi awal pelajar Anda (V0 mungkin tidak 0 di mana-mana, setelah semua).


Apakah ini pertanyaan AI? Pastinya.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.