第三章 情境感知無所不在學習導引方法
3.2 啟發式學習導引演算法
3.2.2 MOLGA 學習導引範例
步驟二：找尋是否有尚未學習過的點(以下簡稱“未學點”)，若沒有則直接返回終點，完 成學習歷程。
步驟三：找尋未學點中可在時限內回到終點的，若沒有則直接返回終點，完成學習歷程。
步驟四：計算全部候選未學點的評估函數值。
步驟五：以循序漸進的方式找出最適合的未學點。
步驟六：推薦學習者前往此學習點。
步驟七：此點學習完畢後，跳回步驟二。
假設尋找最佳學習路徑演算法為 MOLGA，也就是在所有學習點 Cj中，選擇最小 評分數值者作為導引的目標。若學習點總共有 n 個，則找出學習點 Cj則須計算 n-1 次，
而每執行評分函數一次所花費時間複雜度為 O(1)，整個演算法的時間複雜度則為 O((n-1)*1)=O(n-1)=O(n)。
鐘的學習時間，與「斑蝶區」、「蔭蝶區」、「蛺蝶區」有路可通，且移動所花費時間 分別為 1 分鐘、7 分鐘、4 分鐘。
(2) 「斑蝶區」：代號 C2，最大容納學習人數為 3，學習點目標權重值為 3，需要 2 分 鐘的學習時間，與「斑蝶區」、「灰蝶區」、「蔭蝶區」、「蛺蝶區」有路可通，且移動 所花費時間分別為 1 分鐘、2 分鐘、6 分鐘、5 分鐘。
(3) 「灰蝶區」：代號 C3，最大容納學習人數為 3，學習點目標權重值為 4，需要 2 分 鐘的學習時間，與「斑蝶區」、「蔭蝶區」有路可通，且移動所花費時間分別為 2 分鐘、5 分鐘。
(4) 「蛺蝶區」：代號 C4，最大容納學習人數為 5，學習點目標權重值為 5，需要 2 分 鐘的學習時間，與「鳳蝶區」、「斑蝶區」、「蔭蝶區」有路可通，花費時間為 4 分鐘、
5 分鐘、3 分鐘。
(5) 「蔭蝶區」：代號 C5，最大容納學習人數為 3，學習點目標權重值為 1，需要 2 分 鐘的學習時間，與「斑蝶區」、「灰蝶區」、「蛺蝶區」有路可通，花費時間為 6 分鐘、
5 分鐘、3 分鐘。
表 3.2 最短路徑距離紀錄表
C0 C1 C2 C3 C4 C5 C6
C0 0 4 5 7 3 6 10
C1 4 0 1 3 4 7 6
C2 5 1 0 2 5 6 5
C3 7 3 2 0 7 5 3
C4 3 4 5 7 0 3 8
C5 6 7 6 5 3 0 5
C6 10 6 5 3 8 5 0
除了五個生態區之外，特別設定「起點」C0、「終點」C6。終點與起點容納學習人 數不限，學習點目標權重值為 0，學習時間為 0 。起點與「鳳蝶區」、「蛺蝶區」有路可 通，且移動所花費時間分別為 4 分鐘、3 分鐘。終點與「灰蝶區」、「蔭蝶區」有路可通，
且移動所花費時間分別為 3 分鐘、5 分鐘。本蝴蝶園學習環境之參數設定如圖 3.3 所示，
而各學習點之最短路徑如表 3.2 所示。
假設在某一個時間點，同時有 3 個學習者進入蝴蝶園，令學生代號為：S1、S2、S3， 學習點代號為：C0(起點)、C1(鳳蝶區)、C2(斑蝶區)、C3(灰蝶區)、C4(蛺蝶區)、C5(蔭蝶 區)、C6(終點)。假設總學習時間限制為 LT = 18 分鐘，起始點為 C0，終點為 C6，每個 學習點限制飽和率 S = 60。如某點已學習過則僅路過不停留學習，最後當剩餘時間不足 以學完任何學習點則導引學習者回到 C6終點。
以 MOLGA 選擇分數最低的學習點進行導引，其步驟如下：
Step 0 ：S1、S2、S3皆在起點 C0。
Step 1 ：已花費時間 CT = 0，S1、S2、S3同時出發開始學習，系統選擇下一個學習 點，而依照評分函數計算 S1前往各學習點之分數如下：
Score(0,1)
1]
0 6 . 0 ln[
* 2
2 4 1]
ln[
* 1
R S G
T t
1
1
0,1 =6.383
Score(0,2)
1]
0 6 . 0 ln[
* 3
2 5 1]
ln[
* 2
2
R S G
T t
2
0,2 =4.965
Score(0,3)
1]
0 6 . 0 ln[
* 4
2 7 1]
ln[
* 3
R S G
T t
3
3
0,3 =4.787
Score(0,4)
1]
0 6 . 0 ln[
* 5
2 3 1]
ln[
* 4
R S G
T t
4
4
0,4 =2.128
Score(0,5)
1]
0 60 ln[
* 1
2 6 1]
ln[
* 5
R S G
T t
5
5
0,5 =17.021
因學習點 C4之分數最低，因此導引 S1前往學習點 C4。在 S1預約前往 C4的狀況下，
S2前往評分數值最小的 C4，S3選擇前往 C3。
Step 2 ：已花費時間 CT = 5 時，S1、S2同時完成蛺蝶區的學習，系統選擇下一個 學習點，而依照評分函數計算結果，導引 S1前往評分數值最小的學習點 C2，S2前 往評分數值最小的 C1。
Step 3 ：已花費時間 CT = 9 時，S3到達學習點 C3灰蝶區且已學習完畢，因為 C1、
C4學習完畢後剩餘時間不足以回到終點，系統推薦下一學習點 C2斑蝶區。
Step 4 ：已花費時間 CT = 11 時，S2已學習完畢學習點 C1鳳蝶區，因為學習完 C2、 C3、C5後皆無法在時間限制內回到終點，系統推薦 S2回到終點 C6，此時 S2之學習 路徑為「C4-> C1-> C6」。
Step 5 ：已花費時間 CT = 12 時， S1學習 C2完畢，因為學習完 C1、C3、C5後皆 無法在時間限制內回到終點，推薦 S3前往終點 C6。此時 S1之學習路徑「C4-> C2->
C6」。
Step 6 ：已花費時間 CT = 13 時，S3學習 C2完畢，因為學習完 C1、C4、C5後皆無 法在時間限制內回到終點，系統推薦前往終點 C6，此時 S3之學習路徑為「C3-> C2
-> C6」。
在以上範例中，學習者 S1之學習路徑為 C4 -> C2 -> C6，總學習效益值為 8；學習 者 S2之學習路徑為 C4-> C1-> C6，總學習效益值為 7；學習者 S3之學習路徑為 C3-> C2
-> C6，總學習效益值為 7。三位學習者之平均學習效益值為 7.33。在 Step 1 中 S1選擇 前往 C4後，S2也選擇前往 C4，原因為 C4學習效益遠大於其他學習點，在 S1預約位置 後預設飽和仍在限制內，於是 MOLGA 計算出來的評分數值仍為最小，故 S2選擇 C4。 由以上的執行範例可以知道，MOLGA 十分的簡單快速，也同時將學習效益與時間 花費納入考慮，在往後的研究中將與其他演算法比較，調整學習評估函數，達到最佳的 學習效益。