Vsebina
- Opredelitev - Kaj pomeni plezanje po hribu?
- Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
- Tehopedija razlaga plezanje po hribu
Opredelitev - Kaj pomeni plezanje po hribu?
Plezanje po hribu je hevristična metoda matematične optimizacije, ki se uporablja za reševanje računalniško zahtevnih problemov, ki imajo več rešitev. Gre za iterativno metodo, ki pripada lokalni iskalni družini, ki se začne z naključno raztopino in nato iterativno izboljša to rešitev po en element, dokler ne pride do bolj ali manj optimizirane rešitve.
Uvod v Microsoft Azure in Microsoft Cloud | V tem priročniku boste spoznali, kaj sploh pomeni računalništvo v oblaku in kako vam lahko Microsoft Azure pomaga preseliti in voditi vaše podjetje iz oblaka.
Tehopedija razlaga plezanje po hribu
Plezanje po hribu je tehnika optimizacije, ki se uporablja za iskanje "lokalnega optimalnega" rešitve računalniške težave. Začne se z raztopino, ki je v primerjavi z optimalno raztopino zelo slaba, nato pa se od nje iterativno izboljša. To stori tako, da ustvari "sosedske" rešitve, ki so razmeroma korak boljše od trenutne rešitve, izbere najboljše in nato postopek ponavlja, dokler ne pride do najbolj optimalne rešitve, saj ne more več najti nobenih izboljšav.
Variante:
- Enostavno - izbere se prvo najbližje vozlišče ali rešitev.
- Najbolj strm vzpon - upoštevajo se vse razpoložljive rešitve naslednika in nato se izbere najbližji.
- Stohastična - sosedova rešitev se izbere naključno in na podlagi količine izboljšave v trenutnem vozlišču se odloči, ali se premaknete na to rešitev.
Plezanje po hribu poteka itrativno - poteka skozi celoten postopek in končna rešitev je shranjena. Če drugačna iteracija najde boljšo končno rešitev, se shranjena raztopina ali stanje zamenja. Temu pravimo tudi plezanje po hribu s puško, saj preprosto preizkuša različne poti, dokler ne zadene najboljše, tako kot je puška netočna, vendar lahko še vedno zadene svoj cilj zaradi širokega širjenja izstrelkov. V mnogih primerih to deluje zelo dobro, ker se zdi, da je bolje porabiti sredstva CPU-ja za raziskovanje različnih poti kot pazljivo optimizacijo iz začetnih pogojev.