এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
মাল্টি-অবজেক্টিভ স্টেট ভ্যালু ভেক্টর
ভেক্টর উপস্থাপনা যেখানে প্রতিটি উপাদান একটি নির্দিষ্ট উদ্দেশ্য অনুযায়ী একটি অবস্থার আনুমানিক মানের সাথে মিলে যায়, একই সাথে একাধিক কর্মক্ষমতা মানদণ্ডের মূল্যায়ন সক্ষম করে।
মাল্টি-অবজেক্টিভ ভ্যালু ফাংশন
গাণিতিক ফাংশন যা প্রতিটি অবস্থা-কর্ম জোড়াকে প্রত্যাশিত পুরস্কারের একটি ভেক্টরের সাথে যুক্ত করে, বিভিন্ন পরস্পরবিরোধী উদ্দেশ্যের মধ্যে ট্রেড-অফগুলি ক্যাপচার করে।
প্যারেটো হাইপারপ্লেন
উদ্দেশ্য স্থানে ভেক্টর সাবস্পেস যা প্রভাবিত এবং অ-প্রভাবিত সমাধানগুলির মধ্যে সীমানা নির্ধারণ করে, মাল্টি-অবজেক্টিভ অপ্টিমাইজেশনের জন্য রেফারেন্স হিসেবে কাজ করে।
প্যারেটো ফ্রন্ট
কার্যকর সমাধানগুলির সেট যেখানে একটি উদ্দেশ্যের উন্নতি অন্য অন্তত একটি উদ্দেশ্যকে অবনতি না করে করা যায় না, যা মাল্টি-অবজেক্টিভ সর্বোত্তমতাকে উপস্থাপন করে।
প্যারেটো অপটিমাম
একটি মাল্টি-অবজেক্টিভ প্রসঙ্গে সর্বোত্তম অবস্থা যেখানে অন্য অন্তত একটি উদ্দেশ্যকে অবনতি না করে একটি উদ্দেশ্যের উন্নতি করা অসম্ভব, কার্যকর সমাধানগুলির বৈশিষ্ট্য নির্ধারণ করে।
লিনিয়ার অ্যাগ্রিগেশন অপারেটর
গাণিতিক অপারেটর যা পূর্বনির্ধারিত ওজন ব্যবহার করে বিভিন্ন উদ্দেশ্যের মানগুলিকে রৈখিকভাবে একত্রিত করে একটি মাল্টি-অবজেক্টিভ সমস্যাকে স্কেলার সমস্যায় রূপান্তরিত করে।
স্কেলারাইজেশন ফাংশন
গাণিতিক রূপান্তর যা উদ্দেশ্যগুলির একটি ভেক্টরকে একটি একক স্কেলার মানে রূপান্তরিত করে, মাল্টি-অবজেক্টিভ সমাধানগুলির তুলনা এবং অপ্টিমাইজেশন সহজতর করে।
মাল্টি-অবজেক্টিভ এক্সপ্লোরেশন-এক্সপ্লয়িটেশন ডিলেমা
জটিল সমস্যা যেখানে নতুন কর্ম আবিষ্কার এবং পরিচিত কর্মগুলির ব্যবহারের মধ্যে ভারসাম্য বিবেচনাধীন সমস্ত উদ্দেশ্যের জন্য একই সাথে পরিচালনা করতে হবে।
ওজন পদ্ধতি
প্যারেটো ফ্রন্টের নির্দিষ্ট সমাধানের দিকে অনুসন্ধান পরিচালনার জন্য প্রতিটি উদ্দেশ্যের সাথে আপেক্ষিক ওজন নির্ধারণ করা বহু-উদ্দেশ্য অপ্টিমাইজেশন কৌশল।
বহু-উদ্দেশ্য ন্যাশ ভারসাম্য
বহু-উদ্দেশ্য গেমে প্রসারিত ভারসাম্য ধারণা যেখানে প্রতিটি এজেন্ট অন্যান্যদের কৌশল বিবেচনা করার পাশাপাশি নিজস্ব পছন্দ অনুযায়ী উপযোগিতার একটি ভেক্টর অপ্টিমাইজ করে।
চেবিশেভ অপারেটর
চেবিশেভ নর্ম ব্যবহার করে উদ্দেশ্যগুলো একত্রিত করার সমষ্টিকরণ ফাংশন, যা সবচেয়ে খারাপ উদ্দেশ্যের অপ্টিমাইজেশনকে অগ্রাধিকার দেয় এবং যেকোনো প্যারেটো সমাধান অর্জন নিশ্চিত করে।
বহু-উদ্দেশ্য স্টোকাস্টিক নীতি
সম্ভাব্যতা ভিত্তিক সিদ্ধান্ত কৌশল যেখানে কর্মের সম্ভাবনাগুলো একই সাথে একাধিক উদ্দেশ্য অনুযায়ী অপ্টিমাইজ করা হয়, যা ট্রেড-অফের নমনীয় ব্যবস্থাপনা সম্ভব করে।
বহু-উদ্দেশ্য পুরস্কার ম্যাট্রিক্স
ডেটা স্ট্রাকচার যা প্রতিটি অবস্থা-কর্ম ট্রানজিশনের সাথে সম্পর্কিত ভেক্টর পুরস্কার সংরক্ষণ করে, যেখানে প্রতিটি মাত্রা একটি নির্দিষ্ট উদ্দেশ্যের সাথে মিলে।
মান ফাংশন বিভাজন
ভেক্টর মান ফাংশনকে স্কেলার উপ-ফাংশনে বিভক্ত করার কৌশল যা বহু-উদ্দেশ্য শেখা এবং অপ্টিমাইজেশন সহজ করে।
লেক্সিকোগ্রাফিক নির্বাচন পদ্ধতি
সর্বোচ্চ অগ্রাধিকার দ্বারা উদ্দেশ্যগুলো ক্রমানুসারে সাজানোর অপ্টিমাইজেশন পদ্ধতি, যেখানে একটি উদ্দেশ্যের অপ্টিমাইজেশন শুধুমাত্র পূর্ববর্তী সমস্ত উদ্দেশ্যের জন্য সর্বোত্তম সমাধান বিবেচনা করে।
উদ্দেশ্য স্তরবিন্যাস
সিদ্ধান্ত গ্রহণকারীর পছন্দের সাথে সামঞ্জস্যপূর্ণ সমাধানের দিকে অপ্টিমাইজেশন পরিচালনার জন্য বিভিন্ন উদ্দেশ্যের মধ্যে অগ্রাধিকার কাঠামো প্রতিষ্ঠার প্রক্রিয়া।
বহু-উদ্দেশ্য অভিসৃতি
একটি অ্যালগরিদমের বৈশিষ্ট্য যা নিশ্চিত করে যে উৎপন্ন সমাধানগুলি প্যারেটো ফ্রন্ট বা কার্যকর সমাধানগুলির একটি উপসেটের দিকে পুনরাবৃত্তির সাথে সাথে অভিসারী হয়।
বহু-উদ্দেশ্য স্থিতিশীলতা
পরিবেশের পরিবর্তন বা ব্যাঘাত সত্ত্বেও সমস্ত উদ্দেশ্যে সামঞ্জস্যপূর্ণ কর্মক্ষমতা বজায় রাখার জন্য একটি শেখার অ্যালগরিদমের ক্ষমতা।