آزمایشگاه آزاد؛ بدون نیاز به ورود
قلهٔ محلی و سراسری؛ شروع از کجا مهمه؟
اگه هر بار در جهت سربالایی حرکت کنی، حتماً به بلندترین قله می‌رسی؟ نقطهٔ شروع و اندازهٔ قدم رو عوض کن و ارتفاع نهایی رو با بلندترین مقدار مقایسه کن.
آزمایش رو شروع کنبرای مقایسه، هر بار فقط نقطهٔ شروع یا اندازهٔ قدم رو عوض کن. به «ارتفاع نهایی» و «بالاترین ارتفاع» نگاه کن؛ جای نقطهٔ نهایی در نمودار همیشه درست نیست.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
از دو نقطهٔ متفاوت بالا برو
اندازهٔ قدم رو روی ۰٫۱ بذار. یک بار نقطهٔ شروع رو ۳ و بار بعد ۵ انتخاب کن؛ ارتفاع نهایی و بالاترین ارتفاع رو در هر حالت بخون.
حدست چیه؟ آیا هر دو شروع به بلندترین قله می‌رسن یا یکی پایین‌تر می‌مونه؟
توضیح نتیجه رو ببین
از شروع ۳، ارتفاع نهایی حدود ۰٫۹۹ و نزدیک بلندترین ارتفاعه؛ از شروع ۵، حدود ۰٫۶۰- می‌شه. تابع یک قلهٔ محلی پایین‌تر هم داره و الگوریتم از این نقطه به همون می‌رسه. پس بالا رفتن از هر شروعی، تضمین نمی‌کنه بلندترین قله پیدا بشه.
قدم خیلی بزرگ می‌تونه گیرت بندازه
نقطهٔ شروع رو روی ۲ نگه دار. یک بار اندازهٔ قدم رو ۰٫۱ و بار بعد ۱ بذار و ارتفاع نهایی و تعداد قدم‌ها رو مقایسه کن.
حدست چیه؟ آیا قدم یک‌واحدی سریع‌تر به قله می‌رسه؟
توضیح نتیجه رو ببین
با قدم ۰٫۱، الگوریتم ۴ قدم می‌ره و ارتفاع نهایی حدود ۰٫۹۹ می‌شه. با قدم ۱، هیچ قدمی پذیرفته نمی‌شه و ارتفاع روی حدود ۰٫۸۰ می‌مونه؛ حرکت یک‌واحدی از نقطهٔ شروع پایین‌تر می‌افته، پس الگوریتم همون‌جا می‌ایسته.
قدم ریزتر به قلهٔ محلی نزدیک‌تره
نقطهٔ شروع رو روی ۵ بذار. نتیجه رو با اندازهٔ قدم ۰٫۱ ثبت کن، بعد فقط اندازهٔ قدم رو به ۰٫۵ تغییر بده.
حدست چیه؟ کدوم اندازهٔ قدم ارتفاع نهایی رو به قلهٔ محلی نزدیک‌تر می‌کنه؟
توضیح نتیجه رو ببین
با قدم ۰٫۱، ارتفاع نهایی حدود ۰٫۶۰- و تعداد قدم‌ها ۳ است؛ با قدم ۰٫۵، ارتفاع حدود ۰٫۶۶- و یک قدم است. قدم کوچک‌تر اینجا به قلهٔ محلی نزدیک‌تر می‌شه، اما هر دو ارتفاع از بلندترین قلهٔ تابع خیلی پایین‌ترن.
پشت این حرکت چه خبره؟
قلهٔ محلی با قلهٔ سراسری چه فرقی داره؟
قلهٔ محلی از نقطه‌های نزدیک خودش بلندتره؛ قلهٔ سراسری از همهٔ نقطه‌های بازه بلندتره. در تابع این صفحه، قلهٔ محلی نزدیک شروع ۵ حدود ۰٫۶۰- ارتفاع داره، ولی بلندترین مقدار حدود ۰٫۹۹ است.
روش تپه‌نوردی چطور جلو می‌ره؟
الگوریتم از نقطهٔ انتخابی شروع می‌کنه، شیب رو می‌سنجه و یک قدم در جهت سربالایی برمی‌داره. اگر قدم بعدی ارتفاع رو کم کنه، توقف می‌کنه؛ خودش اندازهٔ قدم رو ریزتر نمی‌کنه. پس نقطهٔ شروع و بزرگی قدم می‌تونن نتیجه رو عوض کنن.
تابع این منظره چیه؟
f(x)=sin(x)+0.4*sin(3*x)
ارتفاع هر نقطه از ترکیب دو موج سینوسی ساخته می‌شه. چند قلهٔ بلند در این بازه هم‌ارتفاع‌اند و یک قلهٔ محلی پایین‌تر هم نزدیک نقطهٔ شروع ۵ دیده می‌شه. ارتفاع‌ها عددهای یک تابع ریاضی‌ان و واحد فیزیکی ندارن.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
چرا شروع از نقطهٔ ۵ به بلندی شروع از نقطهٔ ۳ نرسید؟
چون از نقطهٔ ۵، این الگوریتم به یک قلهٔ محلی پایین‌تر می‌رسه و فقط اطراف همون نقطه رو بررسی می‌کنه. از نقطهٔ ۳ در این تابع به یک قلهٔ بلندتر می‌رسه. برای پیدا کردن گزینهٔ بهتر، چند شروع مختلف رو امتحان کن و ارتفاع نهایی هرکدوم رو با بالاترین مقدار مقایسه کن؛ خود روش تپه‌نوردی جست‌وجوی سراسری انجام نمی‌ده.
سؤال‌های رایج
قلهٔ محلی یعنی چی؟
نقطه‌ایه که از نقطه‌های نزدیکش بلندتره، ولی شاید در کل بازه بلندترین نباشه. برای همین ممکنه الگوریتم از یک شروع به قله‌ای پایین‌تر برسه.
از کجا بفهمم یک قله سراسریه؟
باید مقدارش رو با بقیهٔ بازه مقایسه کنی؛ از یک مسیر محلی به‌تنهایی معلوم نمی‌شه. این شبیه‌سازی «بالاترین ارتفاع» رو با نمونه‌برداری روی کل بازه تخمین می‌زنه.
چرا قدم کوچک‌تر همیشه بهترین انتخاب نیست؟
قدم کوچک‌تر می‌تونه نزدیک یک قله دقیق‌تر بشه، ولی ممکنه حرکت‌های بیشتری لازم داشته باشه. قدم بزرگ هم ممکنه از یک قله رد بشه یا باعث توقف زودهنگام بشه؛ نتیجه به شکل تابع و نقطهٔ شروع بستگی داره.
روش تپه‌نوردی همیشه بلندترین قله رو پیدا می‌کنه؟
نه. این روش فقط از نقطهٔ شروع به سمت بالارفتن می‌ره و ممکنه در قلهٔ محلی متوقف بشه. امتحان کردن چند شروع مختلف می‌تونه نتیجه‌ها رو بهتر مقایسه کنه.