مؤشران ونافذة منزلقة - كيف يقوم الذكاء الاصطناعي بمسح البيانات بكفاءة
تُرجِمت هذه الدروس تلقائيًا إلى العربية ولم تخضع بعد لمراجعة بشرية. إذا بدت أي صياغة غريبة، فالنسخة الإنجليزية هي المرجع.
ما أهمية إجراء المسح الضوئي بذكاء؟
تخيل أن الذكاء الاصطناعي يراقب بث الفيديو المباشر بحثًا عن أي نشاط مشبوه. لا يمكنه إعادة مشاهدة التسجيل بأكمله كل ثانية - فهو يحتاج إلى تمرير نافذة الانتباه عبر الدفق، وتتبع السياق الكافي فقط. هذا هو بالضبط ما يفعله نمطا المؤشران والنافذة المنزلقة للبيانات المتسلسلة.
تعمل كلتا الطريقتين على تحويل عمليات المسح بالقوة الغاشمة O(n²) إلى تمريرات O(n) أنيقة.
تقنية المؤشرين
ضع مرجعين في تسلسل وحركهما وفقًا للقاعدة. هناك نوعان من النكهات الرئيسية.
المؤشرات المتقاربة
ابدأ بمؤشر واحد عند كل طرف وحركه إلى الداخل. مثالي للبيانات المرتبة.
مشكلة كلاسيكية - مجموع الزوج: في حالة وجود مصفوفة مرتبة، ابحث عن رقمين يضافان إلى الهدف.
function pairSum(arr, target):
left = 0
right = arr.length - 1
while left < right:
sum = arr[left] + arr[right]
if sum == target: return (left, right)
if sum < target: left += 1
else: right -= 1
return null
نظرًا لأن المصفوفة مرتبة، فإن تحريك left لليمين يزيد المجموع، والتحرك right لليسار يقلله - مما يضمن عدم تفويت زوج صالح أبدًا.
مؤشرات نفس الاتجاه
يتحرك كلا المؤشرين للأمام، ولكن بسرعات مختلفة. مفيد في التقسيم أو الكشف عن الدورة.
مثال - إزالة التكرارات في مكانها: يشير المؤشر البطيء إلى موضع الكتابة؛ يقوم مؤشر سريع بالمسح للأمام.
function removeDuplicates(arr):
slow = 0
for fast in 1..arr.length - 1:
if arr[fast] != arr[slow]:
slow += 1
arr[slow] = arr[fast]
return slow + 1
في تقنية المؤشرين المتقاربين على مصفوفة مرتبة، ماذا يجب أن تفعل عندما يكون المجموع الحالي أقل من الهدف؟
نمط النافذة المنزلقة
تحافظ النافذة المنزلقة على تسلسل فرعي متجاور بحجم (ثابت) أو طول متغير، وتحديث المجاميع بشكل متزايد بدلاً من إعادة الحساب من البداية.
النقاش
سجّل الدخول للانضمام إلى النقاش