الگوریتم سرعت شبیه سازی رول تاس لود شده

سریع و کارآمد تولید اعداد تصادفی شده است یک چالش مهم. برای قرن ها بازی از شانس متکی اند رول از مرگ تلنگر یک سکه و یا برروی آن بکشید کارت را به برخی از اتفاقی به رسیدگی است. در نیمه دوم قرن 20 کامپیوتر شروع به مصرف بیش از این نقش برای برنامه های کاربردی در رمزنگاری, آمار و هوش مصنوعی و همچنین به عنوان های مختلف برای شبیه سازی -- آب و هوایی اپیدمیولوژیک مالی و غیره.

محققان MIT در حال حاضر توسعه یک الگوریتم کامپیوتر که ممکن است حداقل برای برخی از وظایف بوسیله اسباب گردنده از اعداد تصادفی با بهترین ترکیب از سرعت و دقت و حافظه کم الزامات امروز در دسترس است. الگوریتم نام سریع لود Dice Roller (FLDR) ایجاد شده توسط MIT فارغ التحصیل و دانشجو Feras سعد تحقیقات دانشمند کامرون Freer, پروفسور مارتین Rinard و اصلی تحقیقات دانشمند Vikash Mansinghka و آن را هفته آینده معرفی شده در 23rd, کنفرانس بین المللی هوش مصنوعی و آمار.

به سادگی قرار داده FLDR یک برنامه کامپیوتری است که شبیه سازی رول تاس برای تولید تصادفی اعداد صحیح است. تاس می تواند هر تعداد از طرف آنها "لود" و یا وزن به برخی از طرف بیشتر احتمال دارد به آمده تا بیش از دیگران است. لود مرگ هنوز هم می تواند عملکرد اعداد تصادفی -- به عنوان کسی نمی تواند پیش بینی در کدام طرف خواهد شد به نوبه خود -- اما این اتفاقی است که محدود به دیدار از پیش تعیین شده توزیع احتمال. یکی ممکن است به عنوان مثال استفاده از لود بازی, تاس, شبیه سازی نتیجه یک بازی بیس بال; در حالی که تیم برتر است احتمال بیشتری برای برنده شدن در یک روز داده می شود هر دو تیم می تواند در نهایت در بالا.

با FLDR تاس هستند "کاملا" لود که بدان معنی است که آنها دقیقا رسیدن به مشخص احتمالات. با چهار طرفه مرگ برای مثال یک نفر می تواند ترتیب همه چیز به طوری که اعداد 1,2,3 و 4 نوبه خود تا دقیقا 23 درصد و 34 درصد, 17 درصد و 26 درصد از زمان بود.

برای شبیه سازی رول تاس لود شده است که تعداد زیادی از طرف MIT تیم اول تا به حال در قرعه کشی ساده منبع اتفاقی -- که یک کامپیوتری (باینری) نسخه یک بازی شیر یا خط سکه بازده یا 0 یا 1 هر کدام با 50 درصد احتمال. کارایی خود را از روش های کلیدی طراحی معیار بستگی به تعداد بار آنها را به شیر به این تصادفی منبع -- شماره از "پرتاب سکه" به عبارت دیگر -- برای شبیه سازی هر یک از تاس رول.

در نقطه عطفی 1976 مقاله دانشمندان کامپیوتر دانلد نوث و اندرو یائو ابداع یک الگوریتم است که می تواند شبیه سازی رول تاس لود شده با حداکثر راندمان به لحاظ نظری قابل دسترسی است. "در حالی که خود الگوریتم بود مطلوب و کارآمد با توجه به زمان" سعد توضیح می دهد به این معنی که به معنای واقعی کلمه هیچ چیز نمی تواند سریع تر "از آن است که ناکارآمد از نظر فضا و یا کامپیوتر حافظه مورد نیاز برای ذخیره اطلاعات است." در واقع مقدار حافظه مورد نیاز صورت نمایی رشد می کند بسته به تعداد طرف در تاس و عوامل دیگر. که ارائه نوث-یائو روش غیر عملی او می گوید: به جز موارد خاص با وجود آن نظری اهمیت است.

FLDR طراحی شده برای بیشتر سودمند است. "ما تقریبا به عنوان زمان کارآمد" سعد می گوید: "اما سفارشات از قدر بهتر از نظر حافظه بهره وری است." FLDR می توانید تا 10000 برابر کمتر حافظه فضای ذخیره سازی از نوث-یائو رویکرد در حالی که مصرف بیش از 1.5 بار دیگر در عملیات.

در حال حاضر FLDR را رقیب اصلی است که نام مستعار روش است که زمینه را غالب تکنولوژی برای چند دهه. هنگامی که تجزیه و تحلیل به لحاظ نظری با توجه به آزادتر FLDR یکی روشن استفاده بیش از نام مستعار: این باعث می شود کارآمد تر با استفاده از تصادفی منبع name "پرتاب سکه" به ادامه با استعاره -- از نام مستعار. در برخی موارد علاوه بر FLDR نیز سریع تر از نام مستعار در تولید رول از تاس لود شده است.

FLDR البته هنوز نام تجاری جدید است و هنوز رتبهدهی نشده است دیده می شود استفاده گسترده است. اما توسعه دهندگان آن در حال حاضر به فکر راه هایی برای بهبود اثربخشی خود را از طریق هر دو نرم افزار و سخت افزار مهندسی. آنها همچنین باید برنامه های خاص در ذهن جدا از کل همیشه حاضر نیاز به اعداد تصادفی. که در آن FLDR می تواند کمک بسیاری Mansinghka نشان می دهد که توسط به اصطلاح مونت کارلو شبیه سازی و مونت کارلو استنباط تکنیک های کارآمد تر. فقط به عنوان FLDR با استفاده از سکه flips یک برای شبیه سازی پیچیده تر رول وزن, many-sided dice, مونت کارلو شبیه سازی با استفاده از یک رول تاس برای تولید الگوهای پیچیده تر از اعداد تصادفی.

سازمان ملل متحد به عنوان مثال اجرا می شود شبیه سازی از فعالیت های لرزه ای است که نشان می دهد هنگامی که و که در آن زلزله لرزش و یا آزمایش های هسته ای اتفاق می افتد در جهان است. سازمان ملل متحد نیز انجام مونت کارلو استنتاج: در حال اجرا شبیه سازی تصادفی که تولید ممکن است توضیحات برای واقعی داده های لرزه ای. این کار با انجام یک سری دوم مونت کارلو شبیه سازی که به صورت تصادفی تست کردن جایگزین پارامترهای اساسی لرزه ای شبیه سازی برای پیدا کردن مقادیر پارامتر به احتمال زیاد به تکثیر مشاهده اطلاعات. این پارامترها شامل اطلاعات در مورد زمانی که و که در آن زلزله و آزمایش های هسته ای در واقع ممکن است که رخ داده است.

"مونت کارلو استنتاج می تواند نیاز به صدها نفر از هزاران بار بیشتر اعداد تصادفی از مونت کارلو شبیه سازی" Mansinghka می گوید. "این یکی از بزرگ تنگنا که در آن FLDR واقعا می تواند کمک به. شبیه سازی مونت کارلو و الگوریتم استنتاج نیز مرکزی به احتمالی برنامه نویسی نوظهور منطقه از هوش مصنوعی با برنامه های کاربردی گسترده ای."

با وجود آن به ظاهر روشن آینده FLDR تقریبا به نور آمده است. نکات آن را برای اولین بار آمده از مقاله قبلی به همان چهار محققان MIT منتشر شده در یک سمپوزیوم در ماه ژانویه که به معرفی یک الگوریتم جداگانه. در این کار نویسندگان نشان داد که اگر یک مقدار از پیش تعیین شده از حافظه اختصاص داده شد به صورت یک برنامه کامپیوتری برای شبیه سازی رول تاس لود شده خود را الگوریتم می تواند تعیین حداقل مقدار از "خطا" ممکن است -- است که چگونه یکی می آید به سوی جلسه تعیین احتمالات برای هر طرف از تاس.

اگر یکی نیست به محدودیت حافظه در پیشبرد این خطا را می توان به صفر کاهش می یابد اما سعد متوجه یک نوع با صفر خطا استفاده می شود که قابل ملاحظه ای کمتر حافظه و تقریبا به عنوان سریع. در ابتدا او فکر نتیجه ممکن است بیش از حد و بی اهمیت به زحمت با. اما او آن اشاره به آزادتر که مطمئن سعد که این خیابان ارزش پیگیری شد. FLDR است که خطا در این همین رابطه به وجود آمد از آن ریشه فروتن و در حال حاضر یک فرصت تبدیل شدن به یک فن آوری پیشرو در عرصه تولید اعداد تصادفی. که هیچ موضوع بی اهمیت داده شده است که ما در دنیایی زندگی می کنند که این اداره تا حد زیادی توسط فرایندهای تصادفی -- یک اصل است که شامل توزیع کهکشان ها در جهان و به عنوان نتیجه روحیه بازی نوعی قمار.

###

نوشته شده توسط Steve, Nadis, MIT اخبار خبرنگار