戦略的計画と多次元ナップザック問題

新しい材料の学習をモデル化しようとする問題を解決するための計画的なアプローチを見つけようとしています。Wikipediaなどのリソースは1つだけであると想定しています。これには、Wikipediaなどの知識のベクトルとして表された記事のリストと、その記事を読むための努力が含まれています。

知識ベクトルと努力

始める前に、さまざまな種類の知識の数に応じて、ベクトルのサイズを設定します。たとえば、ベクター内のアイテムをと定義し、(algebra, geometry, dark ages)この観点からすべての記事を「測定」できます。したがって、数学の記事はおそらく(5,7,0)代数学と幾何学について多くを語るので、おそらく暗黒時代についてではないでしょう。それはそれを読む努力もするでしょう、それは単なる整数です。

問題

すべての記事（努力を伴う知識ベクトルとして表されます）を前提として、知識の目標（ベクトルとしても表される）に到達するのに役立つ記事の最適なセットを見つけたいと思います。

ですから、知識の目標は、することができ(4,4,0)、それが記事を読んで十分だ(2,1,0)と(2,3,0)追加したとき、それは知識のゴールが集計し、以来、。最小限の労力でこれを実現したいと考えています。

質問

近似を見つけるためにいくつかのヒューリスティックを試みましたが、代わりに使用できる最先端の戦略的計画方法があるかどうか疑問に思っていましたか？

これは、巡回セールスマン問題への問題の投機的なキャストであり、最短経路アルゴリズムにつながります。

このアイデアは、検討すべきさまざまな制約を示唆していることに注意してください。

• 知識ベクトルと努力を考慮して、非循環有向グラフを作成します（非学習ではないため、非循環）。頂点は、その知識ベクトルで表される記事です。エッジは2つの記事をリンクし、ターゲットの記事/頂点に「移動」する（つまり、その記事の知識を取得する）ために重み付けされます。
• ゼロベクトルを新しい参加者に割り当てます。つまり、グラフの開始点は頂点V0 =（0、...、0）です。
• 学習目標をベクトルVとして定義します。
• 最短経路アルゴリズムを使用して（V0、V）プランを見つけます。

グラフを作成するには多くの方法があるため、この手順では不十分です（つまり、上記はそのままではまったく意味がありません）。それを実用的にするには、追加の制約が必要です。たとえば、各次元に沿って頂点を並べることで、頂点を並べ替えることができます。このような設定では、学習者は「簡単な」記事（V [i]は低い）から始め、より複雑なトピック（（V [i]は高くなります）に向かって段階的に進みます。

グラフの作成は、利用可能なデータによって異なります。たとえば、知識ベクトルは「絶対的」ですか、それとも相対的なものですか。VからWに移動するには学習者の初期条件に依存する労力が必要になるため、相対パスはパスの作成に役立ちます（V0はどこでも0になるとは限らないためです）。

AIの質問ですか？間違いなく。