Strategische Planung und mehrdimensionales Rucksackproblem

11

Ich versuche einen Planungsansatz zu finden, um ein Problem zu lösen, das versucht, das Lernen von neuem Material zu modellieren. Wir gehen davon aus, dass wir nur wie Wikipedia eine Ressource, die eine Liste von Artikeln als dargestellt enthält Vektor des Wissens enthält und einen Aufwand , dass Artikel zu lesen.

Wissensvektor und Aufwand

Bevor wir beginnen, legen wir eine Größe für den Vektor fest, abhängig von der Anzahl der verschiedenen Arten von Wissen. Zum Beispiel können wir die Elemente in dem Vektor definieren, der sein soll (algebra, geometry, dark ages), und dann alle Artikel unter diesem Gesichtspunkt 'messen'. Ein mathematischer Artikel wird es wahrscheinlich sein (5,7,0), da er viel über Algebra und Geometrie spricht, aber nicht über das dunkle Zeitalter. Es wird auch eine hat Mühe , es zu lesen, die einfach eine ganze Zahl.

Problem

Angesichts aller Artikel (mit Mühe als Wissensvektoren dargestellt) möchten wir den optimalen Satz von Artikeln finden, die uns helfen, ein Wissensziel zu erreichen (auch als Vektor dargestellt).

So kann ein Wissen Ziel sein (4,4,0), und es ist genug , um einen Artikel zu lesen (2,1,0)und (2,3,0), da, wenn hinzugefügt, es bis zum Wissen Ziel hinzufügt. Wir wollen dies mit minimalem Aufwand tun .

Frage

Ich habe einige Heuristiken versucht, um eine Annäherung zu finden, aber ich habe mich gefragt, ob es eine hochmoderne strategische Planungsmethode gibt, die stattdessen verwendet werden kann.

user10482
quelle
Es kann hilfreich sein, den Wissensvektor durch den Aufwand zu teilen. Auf diese Weise wissen Sie, wie viel Wissen pro Aufwand ein Artikel Ihnen bietet.
user6916458
Sehr gut strukturierte und interessante Frage. Willkommen bei AI!
DukeZhou
Ist die Addition der Vektoren, damit sie sich zum Wissensvektor summieren, das einzige Kriterium? Wenn ja, scheinen Sie sind Problem ein mehrdimensionales Fall der Münze Problem zu sein en.wikipedia.org/wiki/Coin_problem msp.org/involve/2011/4-2/involve-v4-n2-p07-p. pdf
Daniel
Könnten Sie klarstellen, dass Sie keine Kritik am Modell "Lernen von neuem Material" wünschen (welche IMO scheint ein ungewöhnlicher Weg zu sein, um den Erwerb von Wissen zu modellieren, während das Ziel, eine willkürliche Punktzahl innerhalb des Modells zu erreichen, klarer definiert ist)? Ich glaube nicht, dass Sie das tun, was geschrieben steht, aber jetzt ist dies ganz oben angekommen. Es ist möglich, dass jemand darauf reagiert und nicht auf das vorgestellte Rucksackproblem
Neil Slater,

Antworten:

1

Hier ist eine spekulative Besetzung des Problems mit einem Problem eines Handlungsreisenden , das zu Algorithmen mit kürzesten Wegen führen würde.

Bitte beachten Sie, dass diese Idee verschiedene Einschränkungen vorschlägt, die untersucht werden müssen.

  • Erstellen Sie unter Berücksichtigung der Wissensvektoren und -bemühungen einen azyklisch gerichteten Graphen (azyklisch, da wir nicht verlernen sollen). Ein Scheitelpunkt ist ein Artikel, der durch seinen Wissensvektor dargestellt wird. Eine Kante verbindet zwei Artikel, gewichtet mit dem Aufwand, sich zum Zielartikel / Scheitelpunkt zu "bewegen" (dh das Wissen über diesen Artikel zu erwerben ).
  • Weisen Sie einem neuen Teilnehmer einen Nullvektor zu. Das ist der Ausgangspunkt im Diagramm ist der Scheitelpunkt V0 = (0, ..., 0).
  • Definieren Sie ein Lernziel als Vektor V.
  • Verwenden Sie einen Algorithmus mit dem kürzesten Pfad, um einen (V0, V) -Plan zu finden.

Dieses Verfahren ist unzureichend, da es viele Möglichkeiten gibt, das Diagramm zu erstellen (mit anderen Worten, das oben Gesagte ist so wie es ist völlig sinnlos ). Zusätzliche Einschränkungen sind erforderlich, um es praktisch zu machen. Zum Beispiel können wir die Eckpunkte ordnen, indem wir sie entlang jeder Dimension ordnen. Eine solche Einstellung würde dazu führen, dass die Lernenden mit "einfachen" Artikeln beginnen (V [i] ist niedrig) und Schritt für Schritt zu komplexeren Themen übergehen ((V [i] wird höher).

Die Diagrammkonstruktion hängt von den verfügbaren Daten ab. Sind Wissensvektoren beispielsweise "absolut" oder können sie relativ sein? Relativ kann beim Erstellen eines Pfades hilfreich sein, da der Wechsel von V nach W einen Aufwand erfordert, der von den Anfangsbedingungen Ihres Lernenden abhängt (V0 ist möglicherweise nicht überall 0).


Ist es eine KI-Frage? Bestimmt.

Eric Platon
quelle