மலை ஏறுதல் என்றால் என்ன? - டெக்கோபீடியாவிலிருந்து வரையறை

வரையறை - மலை ஏறுதல் என்றால் என்ன?

ஹில் க்ளைம்பிங் என்பது ஒரு கணித தேர்வுமுறை ஹியூரிஸ்டிக் முறையாகும், இது பல தீர்வுகளைக் கொண்ட கணக்கீட்டு ரீதியாக சவாலான சிக்கல்களைத் தீர்க்க பயன்படுகிறது. இது உள்ளூர் தேடல் குடும்பத்தைச் சேர்ந்த ஒரு செயல்பாட்டு முறையாகும், இது ஒரு சீரற்ற தீர்வோடு தொடங்குகிறது, பின்னர் அந்த தீர்வை ஒரு நேரத்தில் ஒரு உறுப்பு அதிக அல்லது குறைவான உகந்த தீர்வுக்கு வரும் வரை மீண்டும் செயல்படுத்துகிறது.

டெக்கோபீடியா மலை ஏறுதலை விளக்குகிறது

ஹில் க்ளைம்பிங் என்பது ஒரு தேர்வுமுறை நுட்பமாகும், இது ஒரு கணக்கீட்டு சிக்கலுக்கு "உள்ளூர் உகந்த" தீர்வைக் கண்டறிய பயன்படுகிறது. இது உகந்த தீர்வோடு ஒப்பிடும்போது மிகவும் மோசமாக இருக்கும் ஒரு தீர்வோடு தொடங்குகிறது, பின்னர் அங்கிருந்து மீண்டும் மேம்படுகிறது. தற்போதைய தீர்வை விட ஒப்பீட்டளவில் ஒரு படி சிறப்பாக இருக்கும் "அண்டை" தீர்வுகளை உருவாக்குவதன் மூலம் இது இதைச் செய்கிறது, சிறந்ததைத் தேர்ந்தெடுத்து, பின்னர் இது மிகவும் உகந்த தீர்வுக்கு வரும் வரை செயல்முறையை மீண்டும் செய்கிறது, ஏனெனில் இது இனி எந்த முன்னேற்றத்தையும் காண முடியாது.

மாறிகள்:

• எளிமையானது - கண்டுபிடிக்கப்பட வேண்டிய முதல் நெருங்கிய முனை அல்லது தீர்வு தேர்வு செய்யப்படுகிறது.
• செங்குத்தான ஏற்றம் - கிடைக்கக்கூடிய அனைத்து வாரிசு தீர்வுகளும் கருதப்படுகின்றன, பின்னர் மிக நெருக்கமானவை தேர்ந்தெடுக்கப்படுகின்றன.
• சீரற்ற - ஒரு அண்டை தீர்வு சீரற்ற முறையில் தேர்ந்தெடுக்கப்படுகிறது, பின்னர் தற்போதைய முனையின் முன்னேற்றத்தின் அளவின் அடிப்படையில் அந்த தீர்வுக்கு செல்லலாமா வேண்டாமா என்று தீர்மானிக்கப்படுகிறது.

மலை ஏறுதல் மீண்டும் செய்யப்படுகிறது - இது ஒரு முழு நடைமுறையையும் கடந்து இறுதி தீர்வு சேமிக்கப்படுகிறது. வேறுபட்ட மறு செய்கை சிறந்த இறுதி தீர்வைக் கண்டால், சேமிக்கப்பட்ட தீர்வு அல்லது நிலை மாற்றப்படும். இது ஷாட்கன் ஹில் க்ளைம்பிங் என்றும் அழைக்கப்படுகிறது, ஏனெனில் இது சிறந்த பாதையைத் தாக்கும் வரை வெவ்வேறு பாதைகளை முயற்சிக்கிறது, ஒரு ஷாட்கன் எவ்வாறு துல்லியமற்றது என்பது போலவே, ஆனால் எறிபொருள்களின் பரவலான பரவலால் அதன் இலக்கை அடையக்கூடும். இது பல சந்தர்ப்பங்களில் நன்றாக வேலை செய்கிறது, ஏனெனில் இது மாறிவிடும் போது, ​​ஆரம்ப நிலையில் இருந்து கவனமாக மேம்படுத்துவதை விட வெவ்வேறு பாதைகளை ஆராய்வதற்கு CPU வளங்களை செலவிடுவது நல்லது.