Nos, nézzük.
A HRS működőképessége következik az egzakt leírásásából (az egzakt leírásból következtetni lehet az eljárás hatékonyságára pl.), így ez a két dolog nem lehet egymástól független.
Nyilván senki nem fog addig neked konkrét ötleted adni arra, hogy hol és miként használható (kipróbálható) ez a módszer, ha az érintett illető egyrészt nem találja meg sehol az egzakt leírását annak, hogy 1. hogyan kell elvégezni a méréssorozatot, azaz mi valójában a módszer (erre pontos leírást még a publikációkban sem láttam - azaz az eljárás nem reprodukálható teljesen pontosan más által), 2. nem látja bizonyítottnak, hogy a módszert érdemes-e egyáltalán alkalmazni az ő célfüggvényének az optimalizálására.
"Tejfalussy elrendezés egy konkrét technológiai folyamatban ne lenne hatással a mérési eredményre (itt a zajra gondolok elsősorban, beleértve az emberi tévedés valószínűségét is.)".
Nem értem miért kell ragaszkodni a Tejfalussy-elrendezéshez, mint olyanhoz. Már fentebb írtam, hogy az általatok használt rendezett n-esek esetében minden x vektor esetében találsz olyan y "szomszédot", amelyre igaz az, hogy a távolságuk 1. Az, hogy ezután ezeket a problématér-beli pontok egymástól való távolságát hogyan vizualizálod, az tök más kérdés. Például nem kell tudnom, hogy mi az a Tejfalussy-elrendezés ahhoz, hogy tudjam, hogy az (1,2,15) vektornak az (1,2,16) vektor és az (1,3,15) vektor is szomszédja (sőt, az 1,1,15 vektor is). Ahhoz, hogy egy problématér-beli pont szomszédjait meg tudjam mondani, semmi más nem kell, mint egy egyszerű algoritmus, nem kell hozzá semmiféle speciális elrendezés, vagy bármi ilyesmi. Nem értem, hogy a problématér-pontok vizualizálása miért van hatással a mérési eredményekre. A mérések nem mások, mint az optimalizálandó célfüggvény kiértékelése a problématér pontjaiben. Hogyan befolyásolná mondjuk az f (1,2,5) pontban való kiértékelése az (1,2,4) pontban való kiértékelését?
Nyilván az is igaz, hogy az algoritmus (amely algoritmus teljes leírását még nem közölted a fórumozókkal, pl. kiindulási feltételek, leállási feltételek, stb) futása során a k-adik lépésben vizsgált n-dimenziós problématérben az éppen tárolt legjobb megoldás értéke ábrázolható úgy, mint egy k hosszúságú sorozattal. Természetesen lehet a problématér pontjaiból gráfot definiálni, például a következő módon: legyen G = (V,E) a kérdéses gráf, E a problématér pontjaiból álljon, és (x,y) eleme E pontosan akkor , ha d(x,y) = 1. De gráfot kapunk akkor is, ha a G fenti definíciójában azt mondjuk, hogy d(x,y) = 3, stb. Nem látom, hogy egy tetszőlegesen definiált gráf csúcsain való lépkedésnek mi köze van egy n-dimenziós diszkrét halmazon való optimalizálásnak. Nem látom, hogy az algoritmus által bejárt pontok k hosszúságú sorozatából hogyan lehetne következtetni a k+1-edik elemre (akár arra, hogy melyik lesz az, akár arra, hogy melyik nem lehet az) a függvényértékek becslése nélkül.
Talán a simplex-módszerrel szeretnéd párhuzamba hozni? Tény, hogy a simplex-módszer által az algoritmus futása során bejárt csúcsok sorozatát lehet értelmezni a feladat feltételei által kifeszített konvex n-dimenziós poliéder gráfjának élein való lépkedéssel, azonban sajnos van egy nagy különbség a simplex-módszer problématere és a ti problémateretek között: a simplex-módszer valóban folytonos téren operál, valamint a problématér konvex, és igaz az, hogy a megoldáshalmaznak mindig eleme csúcspont (a problématér egy bázisvektora). Azonban ez diszkrét optimalizálási problémáknál nincs így, nem feltétlenül igaz az, hogy a problématér "szélei" mindig benne vannak az optimális részhalmazban. Ez azért van így, mert folytonos téren értelmezett optimalizálási problémák esetén 3 eset lehetséges: a feladatnak nincs megoldása, pontosan egy megoldása van, végtelen sok megoldása van. Diszkrét esetben pedig mindig van megoldás (lehet, hogy egy, lehet, hogy a tér összes pontja - ha a függvény egyértékű), hiszen véges sok pont van, azaz véges sok lehetséges függvényérték is. Véges halmaznak pedig mindig létezik legkisebb, vagy legnagyobb eleme.
Szerintem a forumozók nyitottak arra, hogy segítsünk egzaktabbá tenni a módszereteket, azonban azt kérném, hogy foglaljátok össze a következőt:
1. Pontosan milyen probléma kapcsán használtátok az algoritmust? Mi volt a bemenet, mi volt a vizsgálandó célfüggvény?
2. Mik a pontos lépései az algoritmusnak? Mi a megállási feltétel? Ezt sajnos sehol nem láttam leírva. Algoritmusok publikálásakor illik a pszeudokódot is közölni, mert anélkül nehezen reprodukálható az algoritmus. A kísérlet (akár elméleti) reprodukálhatósága nélkül viszont maga a publikáció nem sokat ér.
Légyszíves ezeket írd le, enélkül nem tudunk segíteni.