Planificación estratégica y problema de mochila multidimensional

11

Estoy tratando de encontrar un enfoque de planificación para resolver un problema que intente modelar el aprendizaje de material nuevo. Suponemos que solo tenemos un recurso como Wikipedia, que contiene una lista de artículos representados como un vector de conocimiento que contiene y un esfuerzo por leer ese artículo.

Vector de conocimiento y esfuerzo

Antes de comenzar, establecemos un tamaño para el vector, dependiendo de la cantidad de diferentes tipos de conocimiento. Por ejemplo, podemos definir los elementos en el vector para ser (algebra, geometry, dark ages), y luego 'medir' todos los artículos desde este punto de vista. Entonces, probablemente será un artículo de matemáticas (5,7,0), ya que hablará mucho sobre álgebra y geometría, pero no sobre las edades oscuras. También tendrá un esfuerzo para leerlo, que es simplemente un número entero.

Problema

Dados todos los artículos (representados como vectores de conocimiento con un esfuerzo), queremos encontrar el conjunto óptimo de artículos que nos ayuden a alcanzar un objetivo de conocimiento (también representado como un vector).

Entonces, un objetivo de conocimiento puede ser (4,4,0), y es suficiente para leer un artículo (2,1,0)y (2,3,0), dado que, cuando se agrega, se suma al objetivo de conocimiento. Queremos hacer esto con un mínimo esfuerzo .

Pregunta

He intentado algunas heurísticas para encontrar una aproximación, pero me preguntaba si hay algún método de planificación estratégica de vanguardia que pueda utilizarse en su lugar.

usuario10482
fuente
Podría ser útil dividir el vector de conocimiento por el esfuerzo, de esta manera usted sabe cuánto conocimiento por esfuerzo le brinda un artículo.
user6916458
Muy bien estructurado e interesante pregunta. ¡Bienvenido a AI!
DukeZhou
¿La suma de los vectores para que sumen al vector de conocimiento es el único criterio? Si es así, su problema parece ser un caso multidimensional del problema de la moneda en.wikipedia.org/wiki/Coin_problem msp.org/involve/2011/4-2/involve-v4-n2-p07-p. pdf
Daniel
¿Podría aclarar que no desea una crítica del modelo de "aprendizaje de nuevo material" (que la OMI parece una forma inusual de modelar la adquisición de conocimiento, mientras que el objetivo de lograr una puntuación arbitraria dentro del modelo está más bien definido)? No creo que lo haga por lo que está escrito, pero ahora que esto se ha subido a la cima, es posible que alguien responda a eso, y no al problema de la mochila presentado
Neil Slater,

Respuestas:

1

Aquí hay un reparto especulativo del problema a un problema de vendedor ambulante , que conduciría a algoritmos de ruta más corta.

Tenga en cuenta que esta idea sugiere diferentes restricciones para explorar.

  • Dados los vectores y esfuerzos de conocimiento, construya un gráfico dirigido acíclico (acíclico, ya que se supone que no debemos desaprender). Un vértice es un artículo, representado por su vector de conocimiento. Un borde vincula dos artículos, ponderados por el esfuerzo de "moverse" al artículo / vértice objetivo (es decir, adquirir el conocimiento de ese artículo).
  • Asigne un vector cero a un nuevo participante. Ese es el punto de partida en el gráfico es el vértice V0 = (0, ..., 0).
  • Definir un objetivo de aprendizaje como un vector V.
  • Use un algoritmo de ruta más corta para encontrar un plan (V0, V).

Este procedimiento es insuficiente, ya que hay muchas formas de construir el gráfico (en otras palabras, lo anterior es completamente inútil como es ). Se necesitan restricciones adicionales para hacerlo práctico. Por ejemplo, podemos ordenar los vértices ordenándolos a lo largo de cada dimensión. Tal configuración llevaría a los alumnos a comenzar con artículos "fáciles" (V [i] es bajo) y avanzar paso a paso hacia temas más complejos ((V [i] es más alto).

La construcción del gráfico depende de los datos disponibles. Por ejemplo, ¿son los vectores de conocimiento "absolutos" o pueden ser relativos? El pariente puede ayudar a crear un camino, ya que moverse de V a W requiere un esfuerzo que depende de las condiciones iniciales de su alumno (V0 puede no ser 0 en todas partes, después de todo).


¿Es una pregunta de IA? Seguro.

Eric Platon
fuente