np complete인가 뭔가 해서 n!이 optimal임
근데 데이터가 n이 100이 넘음
기한은 열흘 주고
뭔짓을 하든 괜찮으니까
(고오전 알고리즘이든 러닝머신이든 슈퍼컴이든 손으로 노가다를 하든)
입력에 대한 출력을 내놓고
답에 근접한 순서대로 점수를 준다고 함
아 너무 무섭다
np complete인가 뭔가 해서 n!이 optimal임
근데 데이터가 n이 100이 넘음
기한은 열흘 주고
뭔짓을 하든 괜찮으니까
(고오전 알고리즘이든 러닝머신이든 슈퍼컴이든 손으로 노가다를 하든)
입력에 대한 출력을 내놓고
답에 근접한 순서대로 점수를 준다고 함
아 너무 무섭다
그런 문제는 보통 domain expertise 를 써서 휴리스틱을 잘 설계하면 1등할것같음 ㅇㅅㅇ
문잘알이 되자
애초에 휴리스틱 말고는 답이 없는데 정작 휴리스틱은 안 배움;;
휴리스틱이란게 배워서 아는거라기보단 생각을 열심히 해보고 실험해보고 아는거니까..?
겨우 열흘 만에 혼자 생각한 휴리스틱보다 남들이 생각해둔 기법이 더 낫지 싶음
역시멈뭄머 - dc App
메타 휴리스틱은 배워야 알긴 하지만 ㅇㅅㅇ .. 미분 안되는 경우라고 가정하면 메타휴리스틱은 Simulated Annealing이나 Late Acceptance Hill Climbing 정도만 알아도 무난할것같다
아어 시뮬레이티드 어닐링.... 겨수님도 그 얘기 하시던뎅 흠
근데 이런 류 문제는 CPU 좋고 램 크고 컴퓨터 많은 사람이 너무 유리하다.. 생각 나는거 다 돌려보고 결과 좋은거 더 오래 돌리면 되잖아 ㅇㅅㅇ
근데 이런 건 디버깅을 어째하죠 작은 데이터로 돌려보면서 하나요
1. 베이스라인을 정하고(simple greedy든 뭐든 단순한 솔루션) 2. 보통 답을 한 번에 내기보단 iterative하게 개선하는 경우가 많으므로 시간을 짧게 제한해서 돌려본다 말고는 생각이 안 나서ㅠㅅㅠ
시간이 넘 촉박해서 어러가지 시도 하기도 힘들 거 같다..
시간은 돈으로 살 수 있는데.. ㅇㅅㅇ GCP AWS AZURE
그런건 Stirling formula로 적당히 점수받고 다른 의미있는데 힘 쓰는게 나음..
ㄴ답이 n!이 아니라 복잡도가 n!인데 그게 쓸모있어? ㅇㅅㅇ
기만자