हिल क्लाइंबिंग

लेखक: Monica Porter
निर्मितीची तारीख: 22 मार्च 2021
अद्यतन तारीख: 27 जून 2024
Anonim
Hill Climb Racing - Gameplay Walkthrough Part 1 - Jeep (iOS, Android)
व्हिडिओ: Hill Climb Racing - Gameplay Walkthrough Part 1 - Jeep (iOS, Android)

सामग्री

व्याख्या - हिल क्लाइंबिंग म्हणजे काय?

हिल क्लाइंबिंग ही गणितीय ऑप्टिमायझेशन ह्युरिस्टिक पध्दत आहे जी बहुविध सोल्युशन्स असलेल्या संगणकीयदृष्ट्या आव्हानात्मक समस्या सोडविण्यासाठी वापरली जाते. ही स्थानिक शोध कुटूंबातील एक पुनरावृत्ती पद्धत आहे जी यादृच्छिक द्रावणापासून सुरू होते आणि नंतर कमीतकमी ऑप्टिमाइझ केलेल्या सोल्यूशनवर येईपर्यंत त्या समाधानात एका वेळी एक घटक सुधारते.


मायक्रोसॉफ्ट अझर आणि मायक्रोसॉफ्ट क्लाऊडची ओळख | या संपूर्ण मार्गदर्शकामध्ये आपण क्लाउड संगणन करणे म्हणजे काय आणि मायक्रोसॉफ्ट अझर आपल्याला क्लाऊडवरून आपला व्यवसाय स्थलांतरित आणि चालविण्यात कशी मदत करू शकेल हे शिकाल.

टेकोपीडिया हिल क्लाइंबिंगचे स्पष्टीकरण देते

हिल क्लाइंबिंग एक ऑप्टिमायझेशन तंत्र आहे जे संगणकीय समस्येवर "स्थानिक इष्टतम" समाधान शोधण्यासाठी वापरले जाते. इष्टतम सोल्यूशनच्या तुलनेत अगदी निराश असलेल्या सोल्यूशनपासून सुरुवात होते आणि तेथून पुनरावृत्ती सुधारते. हे "शेजारी" सोल्यूशन तयार करून करते जे सध्याच्या सोल्यूशनपेक्षा तुलनेने एक पाऊल चांगले आहे, सर्वोत्तम निवडते आणि नंतर प्रक्रियेची पुनरावृत्ती करते जेणेकरून ते सर्वात चांगल्या समाधानावर येईपर्यंत पुनरावृत्ती होत नाही कारण यापुढे त्यात कोणतेही सुधारणे आढळणार नाहीत.

रूपे:

  • सोपी - शोधण्यासाठी प्रथम सर्वात जवळचा नोड किंवा उपाय निवडला आहे.
  • स्टीपेस्ट आरोहण - सर्व उपलब्ध उत्तराधिकारी समाधानाचा विचार केला जातो आणि त्यानंतर सर्वात जवळचे एक निवडले जाते.
  • स्टोकेस्टिक - एक शेजारी द्रावण यादृच्छिकपणे निवडला जातो आणि वर्तमान नोडपेक्षा किती प्रमाणात सुधारणा होईल त्या आधारावर त्या सोल्यूशनकडे जायचे की नाही याचा निर्णय घेतला जातो.

टेकडी चढणे पुनरावृत्ती होते - ते संपूर्ण प्रक्रियेमधून जाते आणि अंतिम समाधान साठवले जाते. वेगळ्या पुनरावृत्तीला एखादा चांगला अंतिम समाधान सापडल्यास, संग्रहित समाधान किंवा राज्य पुनर्स्थित केले जाईल. याला शॉटगन हिल क्लाइंबिंग असेही म्हणतात, कारण शॉटगन कशी चुकीची आहे पण तरीही प्रोजेक्टील्सच्या विस्तृत प्रसारामुळे त्याचे लक्ष्य निश्चितपणे धरु शकते अशा प्रकारे, सर्वोत्तम मार्गावर न येईपर्यंत हे वेगवेगळे मार्ग शोधून काढत आहे. हे बर्‍याच प्रकरणांमध्ये चांगले कार्य करते कारण सुरुवातीच्या स्थितीतून काळजीपूर्वक ऑप्टिमायझेशन करण्यापेक्षा सीपीयू संसाधने वेगवेगळ्या मार्गांचा शोध लावण्यात खर्च करणे चांगले.