У дослідженні Ронга Хе запропоновано модель, яка показує, яка частка результатів агентів нижчих рівнів доходить до підсумкового агента. Модель описує поділ завдання у вигляді дерева: агент, що отримав b результатів, зберігає кожен з імовірністю r(b).
За r(b)=1/b будь-яке дерево передає підсумковому агентові рівно один результат незалежно від розміру завдання й форми дерева. У моделі r(b)=Cb^−δ пласка схема дає найбільшу кількість результатів.
Глибина зменшує обсяг даних у контексті підсумкового агента з N до N^(1/k). За однакових витрат дворівнева схема починає випереджати пласку за 403 результатів.
Перевірка тверджень:
- Ронг Хе запропонував у дослідженні модель, яка показує, яка частка результатів від агентів нижніх рівнів доходить до підсумкового агента. (підтверджено самою публікацією: доказ; «Authors: Rong He»)
- Модель подає поділ завдання як дерево, у якому агент, що отримав b результатів, зберігає кожен з імовірністю r(b). (підтверджено самою публікацією: доказ; «Model a decomposition as a tree in which an agent handed $b$ items keeps any one with probability $r(b)$.»)
- За r(b)=1/b будь-яке дерево передає підсумковому агентові рівно один результат незалежно від розміру завдання й форми дерева. (підтверджено самою публікацією: доказ; «If $r(b)=1/b$, every tree delivers exactly one finding, for every task size and every shape»)
- У моделі r(b)=Cb^−δ пласка схема дає найбільшу кількість результатів. (підтверджено самою публікацією: доказ; «so flat is optimal for yield»)
- Глибина зменшує обсяг даних у контексті підсумкового агента з N до N^(1/k). (підтверджено самою публікацією: доказ; «depth cuts its exposure from $N$ items to $N^{1/k}$»)
- За однакових витрат дворівнева схема починає випереджати пласку за 403 результатів. (підтверджено самою публікацією: доказ; «at equal spend two tiers overtake flat at 403 findings»)
Першоджерела:
оцінка 78,1 зі 100 · тип: дослідження