28-11-2015, 04:30 AM
N.B. questa è una pseudo-traduzione del post originale di Kirjava [https://www.speedsolving.com/forum/showt...s-A-Primer] del 05/09/2013.
Non sono un traduttore professionista, alcuni (anzi molti) errori potrebbero essere presenti. Se avete suggerimenti/correzioni fatemelo sapere senza problemi nei commenti :3
Spero vi piaccia.
Note alla pseudo-traduzione
Questa non è una traduzione.
Ho scelto di pseudo-tradurre cercando di non stravolgere troppo la forma, portando a frasi "poco moderne" o dal significato intuibile ma non esattamente corrente. Questo non è proprio il massimo per un lettore italiano, perché le frasi risultano "strane", pur avendo significato, e non sono espresse come sarebbero espresse se il post fosse stato scritto in italiano.
Ho fatto questa scelta perché il post NON è stato scritto in italiano, e anche per un certo gusto personale nel suono e nell'effetto che questo genere di disposizione genera.
Per non penalizzare però il lettore, ho aggiunto delle note in parentesi quadre "[]" con riformulazioni delle frasi, spiegazioni aggiuntive o approfondimenti.
Questa pseudo-traduzione inoltre, non è nemmeno costante. A volte ho allora voluto fare "pseugo-traduzioni", altre traduzioni con rimaneggiamento. A volte ho totalmente reinventato le frasi. A un certo punto non si può nemmeno più dire quanto del testo originale sia rimasto, forse nemmeno il significato.
Questo processo non è costante lungo il testo.
Insomma, si salvi chi può, io mi son divertito.
![[Image: rainbow_dash_v5_by_kero444-d4r11fb.gif]](http://orig06.deviantart.net/2971/f/2012/057/7/0/rainbow_dash_v5_by_kero444-d4r11fb.gif)
Questo thread si propone di dare un'introduzione esauriente alle proprietà che i differenti metodi hanno. Per ciascuno proporrò anche delle riflessioni personali.
Come a coloro i quali stanno sviluppando un metodo o valutando nuove tecniche, spero che questo possa aiutare il modo in cui si pratica e si pensa lo speedsolving ordinario.
Basi
I metodi risolutivi (o di risoluzione) consistono in un numero di steps che racchiudono istruzioni per portare il cubo da uno stato ad un altro. Nei metodi "buoni", ogni step cercherà di trarre il massimo vantaggio dallo stato del cubo. Questo rende l'analisi dei primi steps interessante, con tale libertà sarebbe ragionevole pensare che non ci sia uno specifico step più utile di altre alternative. Uno step può fare più cose in una volta.
Definire un metodo spesso divide uno step in pezzi più piccoli, sistematici e trattabili a livello "umano". Questi pezzi sono essenzialmente parte dello stesso step. "Blockbuilding di cose" e poi "blockbuilding di più cose" porta ad ottenere "blockbuilding di molte cose". Può essere vantaggioso per un umano essere cosciente di queste astrazioni, ed ignorarle.
Al momento in cui degli step iniziano a fondersi tra di loro, vale la pena notare che diventa difficile definire esattamente il termine "metodo". Piccole variazioni possono portare a sistemi differenti, anche se comunque collegati. Classificare questi sistemi come metodi totalmente nuovi è superfluo, però è difficile tracciare una linea.
Qualcosa che sembra poco popolare in questo periodo è un "sistema multiplo" (come descritto da Singmaster). Qui è quando un metodo si dirama ad un certo step, e si conclude in differenti modi in base alla direzione presa alla diramazione. La scelta della direzione è fatta in base a quale può dare il maggior vantaggio nella situazione corrente, ma può comunque essere decisa indipendentemente [non si è mai forzati a sceglierne necessariamente una, anche se una può essere può vantaggiosa].
Un esempio di questa tecnica si può vedere creando un metodo ibrido tra due altri metodi che permetta diramazioni tra i due in certi momenti della solve. Più diramazioni nello stesso metodo non sono fattibili/sensate a mio parere. Questa idea si può vedere usando algoritmi diversi per casi particolari per ottenere più dell'originale intenzione dello step.
Questo è fortemente collegato all'essere "method neutral", essere abbastanza abili in differenti metodi permettendosi di scegliere il migliore all'inizio della solve in base allo scramble. La difficoltà dell'arrivare ad avere questa abilità per chi risolve richiede o di inizialmente imparare due metodi insieme e praticarli entrambi, oppure di iniziare prima a praticare un metodo, poi di praticare il secondo diventando abili con esso almeno quanto col primo. I problemi con quest'ultimo approccio sono simili a quelli che si incontrano diventando color neutral.
L'ordine degli step di un metodo può non essere fisso. Step di metodi pensati per il BLD ad esempio, possono non esserlo. Per la natura stessa del tipo di metodo, in cui si tende a lasciare il resto del cubo (quasi) intatto, invertire l'ordine di due step può non essere un problema [un altro esempio è il 2LPLL, dove fare angoli-spigoli oppure spigoli angoli (a patto di usare algoritmi che modificano solo quello che devono risolvere), non fa differenza].
Tipi di tecniche
In questa sezione analizzero i tipi di techiche usate per completare uno step. Questo può significare due cose differenti (che hanno le loro proprie categorie), l'approccio umano al completare lo step e la tipologia di cambiamento di stato che ha avuto luogo durante lo step.
Ci sono alcuni sistemi che gli umani usano per completare uno step. Il più lampante è l'approccio algoritmico ad un qualcosa. Definito "peggior cosa nello speedcubing" da Gilles Roux, questo sistema enumera i casi di un dato step e raccoglie le soluzioni per ognuno di questi in una lista. Il risolutore potrà quindi imparare una soluzione per ciascun caso in modo che quando questo apparirà in una solve potrà riconoscerlo e ricordare la soluzione al caso mnemonicamente.
Un approccio algoritmico può essere usato in step che sono tradizionalmente visti come a base intuitiva, ma non è certamente consigliato. È di solito richiesto usare qualche trucco di base o regola per arrivare a uno stato per il quale si ha un algoritmo. Questo porta a soluzioni di lunghezza maggiore, ma ciò non lo rende peggiore.
Ad un approccio intuitivo alla risoluzione di un caso si arriva con logica e ragionamento al quale si è arrivato mediante sperimentazione. Credo che l'abilità di usare l'intuizione per generare soluzioni a qualcosa sia importante, dimostra la comprensione degli effetti causati dall'applicare una sequenza di mosse al cubo, il che è un importante parte nel capire il cuvo ed eventuali scorciatoie possibili. In confronto all'approccio di tipo algoritmico, una soluzione per ogni caso viene scoperta dal risolutore usando logica oppure tentativi ed errori. I casi possono essere migliorati nel tempo man mano che l'abilità del risolutore di intuire soluzioni più efficienti migliora.
A diversi step ci si può porre con un approccio o algoritmico oppure intuitivo, ma alcuni possono richiedere l'uso di uno dei due in particolare. Degno di nota è il fatto che dopo un congruo periodo di tempo, qualsiasi sia l'approccio scelto, esso tende a tendere verso l'altro. Questo per dire che approcci intuitivi a determinati casi iniziano a diventare seconde nature, a vengono eseguiti alla stessa maniera di algoritmi, ed il risolutore può acquisire una migliore comprensione di come un algoritmo funziona man mano che gli risulta familiare. In situazioni in cui entrambi i processi possono essere usati, dunque, la definizione di "intuitivo" ed "algoritmico" vanno ad attribuirsi al processo di apprendimento, dato che il risultato è essenzialmente lo stesso.
Un sistema di apprendimento che non è ben incasellabile in nessuna delle due categorie è un sistema basato su regole [un "sistema a regole"]. Questo consiste in specifiche cose da fare per uno o più casi. Ci saranno differenti gruppi di casi che richiederanno venga fatta la stessa cosa per avanzare alla parte successiva, che potrà essere o un altro caso di una categoria, oppure il completamento di uno step- Esempi di questo è lo step di EO del Roux [http://wafflelikescubes.webs.com/orientation.htm], sistemi per singoli step con "algoritmo duale" [della definizione di duale ne possiamo parlare, sembra strano ma la recognition sembra basata su due "entrate" e quindi non è un solo algoritmo, ma è un modo di fare one look, e poi usare due algo separati per risolvere prima una parte, poi l'altra; in questo senso è diverso da step dove recognition-->algo e altri in cui recognition1-->algo1, recognition2-->algo2 (che poi alla fine sono due step, è il caso dei famosi step 2L). infatti è recognition-->algo1, algo2] per il LL (Petrus 270 [non molto famoso, ma estremamente interessante--> http://lar5.com/cube/270/index.html], OLLCP hax [dello stesso Kirjava--> https://www.speedsolving.com/wiki/index....LCP_(hax)]), o alcuni sistemi per la forma cubica dello square-1. Mi piace chiamare questi sistemi "sistemi a diagramma di flusso", poiche i "dati" [diciamo più i casi, in questo caso] possono essere espressi come un diagramma di flusso [è possibile tracciarne uno, si veda--> http://www.jaapsch.net/puzzles/images/sq...shapes.gif].
Un altro sistema a regole include usare una formula per generare sequenze di mosse. Gli unici esempi ai quali riesco a pensare sono commutatori e coniugati. Questi significano usare una formula per creare un algoritmo che faccia un determinato mestiere. Mentre intuizione è necessaria per creare le differenti parti della formula, la struttura dell'algoritmo che si andrà a creare è predefinita [si vedano i commutatori tipici [A,B] ed i coniugati [A:B]]. Questo sembra risultare in un sistema che permette la creazione di risultatiprevedibily che possono essere usati al momento senza troppo apprendimento premeditativo [mi piaceva il suono e l'ho scritto :3].
Come altri sistemi, questi possono eventualmente diventare algoritmici *e* intuitivi.
Ci sono due differenti cambi di stato ai quali uno step può portare.
La risoluzione diretta è la più prevalente e *deve* comparire in un metodo ad un certo punto perché questo porti ad un cubo risolto. Con questa tecnica, pezzi definiti dallo step sono permutati ed orientati. Con rispetto per un determinato punto di riferimento. Questo non deve per forza essere un punto di riferimento esterno, e nemmeno essere per forza essere lo stesso punto di riferimento di step precedenti (pseudo blocchi).
Quotando Quadrescence: "Penso che se si stia risolvendo direttamente, si debba avere un punto di riferimento assoluto durante il processo". Mentre questo contraddice cosa sto dicendo, lo vedo come un modo perfettamente valido di esprimere cosa constituisce la risoluzione diretta. Questo è un buon esempio dell'area grigia che si vede descrivendo queste concezioni, con le quali ho avuto problemi scrivendo questo articolo.
La riduzione non è un requisito per un metodo, ma può essere un modo potente di portare un cubo più vicino all'essere risolto. Se uno step richiede riduzione, c'è un sottoinsieme di stati che il cubo è portato a dovere avere perché quello step sia completato. Lo step in seguitò dovrà solo fare i conti con risolvere quegli stati, quindi rimuovere gli altri facilità il completamento di quello step. Questo inoltre riduce ulteriormente il numero di stati che il cubo può assumere, portandolo ad essere più vicino all'essere risolto. Mentre questo è anche vero per la risoluzione diretta, gli stati richiesti non richiedono che dei pezzi siano permutati o orientati correttamente. Alcune qualità possono essere invece essere imposte che richiedano *solo* permutazione o orientamento, oppure dei pezzi ad essere raggruppati in certi modi.
Alcuni step includono un misto di entrambi i tipi, come risolvere direttamente alcuni pezzi e ridurne altri.
La pseudo risoluzione è un interessante fisima. Questa implica risolvere al quale, dopo la normale conclusione del metodo, mosse extra saranno richieste per risolvere questa pseudo creazione. Al posto di risolvere ad uno stato risolto, si risolve ad uno stato lontano di una (o più) mosse, e aggiungere poi queste mosse alla fine. Questo può essere vantaggioso perché gli pseudo blocchi potrebbero essere più semplici da creare che i normali blocchi.
Una pseudo mossa può essere applicata al durante di qualche step e può essere usa sia con risoluzione diretta che riduzione.
Attuabilità del metodo
Sfortunatamente, la maggior parte dei metodi di misura dell'attuabilità di un metodo non possono essere quantificati in modo semplici. Insieme alle preferenze personali questo rende il comparare differenti metodi una questione oggettiva.
Un importante aspetto che costituisce un buon metodo è il numero di mosse. Mentre questa non è la quintessenza del decidere quanto bene un metodo funzionerà, è una qualità puramente quantificabile che da una buona indicazione. Tutti i maggiori metodi da speedcubing in uso hanno un numero di mosse simili, con alcuni aventi maggior numero di mosse che danno vantaggi in altre aree.
Essendoci l'elemento umano nello speedsolving, la facilità di uso è un altro fattore. Metodi senza troppi complicazioni tendono a passarsela meglio perché sono più attraenti da imparare e ricevono più prove. Mentre metodi più complicati potrebbero anche performare meglio a lungo termine, dimostrare questo fatto è difficile se nessuno ha desiderio a provarli.
Metodi con steps complicati richiedono inoltre un tempo extra di ragionamento, che non ci dovrebbe essere quando si fa speedsolving. Uno sbantaggio in molti dei metodi con basso numero di mosse è il tempo di ragionamento richiesto per completare particolari steps.
Un altro problema che riguarda la facilità di uso è la quantità richiesta di conoscenze. Questo di solito significa la quantità di algoritmi che è necessario imparare per utilizzare pienamente un metodo. Metodi con meno algoritmi tendono a fare conto sull'usare più steps ed intuizione, lasciando una solve nel complesso meno efficiente, mentre metodi con un numero di algoritmi sulle centinaia danno una curva di apprendimento ripida ed un'implementazione [attuazione, ma implementazione mi piace di più anche se è raro, tecnico] difficoltosa.
Dopo l'apprendimento iniziale di un insieme ampio di algoritmi, questa difficoltà risulta dai problemi causati dal tentare di ricordare un algoritmo da un così grande sottoinsieme senza avere tempo di ragionamento. Mentre il riconoscimenti di un caso da un ampio insieme è anche esso un problema, non è comunque un problema così significativo come il richiamare. Ad oggi, nessuno è stato capace di mostrare abilità di richiamo con insiemi di algoritmi nell'ordine delle centinaia pari a quelle di insiemi di minore dimensione.
Come per gli algoritmi in se stessi, sottoinsiemi richiedenti algoritmi di solito non si restringono a certi gruppi di mosse, quindi gli utenti possono trovarne di diversi per soddisfare le loro preferenze. [magari uno si trova bene con algo che usano solo D, B e L...]. Nonostante ciò, steps basati su una maggiore intuizione tendono ad autoportarsi ad essere eseguiti con un certo gruppo di mosse. Steps che impiegano gruppi di mosse che sono semplici da effettuare in genere se la passano meglio di altri, ma questo aspetto è fortemente influenzato dalle preferenze personali.
Estensioni e variazioni
Ogni metodo di base può avere innumerabili variazioni ed estensioni. DI solito, uno step oppure un gruppo di steps possono essere ottenuti con sistemi multiply che sono apparentemente di eguale praticabilità. Ci sono pressoché infinite combinazioni di alternativi approcci alle stesse cose.
Forzare la concatenazione di steps è un'idea popolare per estendere un metodo. Questi include imparare come risolvere due steps allo stesso momento, di solito col risultato di un incredibile accrescimento delle cose che bisogna imparare. Quando si crea un metodo, questo dovrebbe essere effettuato ad ogni coppia di steps per assicurarsi che la massima efficienza venga ottenuta. Ad ogni modo, questo non è sempre umanamente fattibile.
Un'idea simile è risolvere invece solo parte dello step successivo. Questo porta ad un sottinsieme di casi dello step successivo. L'intenzione vorrebbe essere rendere questo sottoinsieme di casi più piacevole dell'intero insieme. Sarebbe dibattibile [opinabile] se il tempo salvato per avere casi migliori sia annullato dall'arrivare a quel sottoinsieme in prima istanza.
Un altro uso della concatenazione parziale è ridurre il numero di caso abbastanza perché una concatenazione integrale di step possa prendere luogo con lo step appena ridotto ed il successivo.
Insieme a differenti variazioni, esistono sistemi che possono essere applicati solo a determinate situazioni. Mentre questi sistemi portano ad un vantaggio in queste situazioni, essi non sono utili per ogni configurazione del cubo e non sono considerati sistemi completi. Mentre impararetrucchetti per magici casi speciale di solitò potrà risultare vantaggioso, implementarli nelle risoluzioni può portare a problemi di riconoscimento o richiamo. Trucchetti come questi di solito portano a forzare skip di qualche genere.
Sviluppo di nuovi metodi
Le persone che creano metodi per solo divertimento personale possono saltare questa sezione (ed infatti l'intero thread).
Fare ricerca sui metodi esistenti è estremamente importante per lo sviluppo del proprio metodo. Questo causa non solo l'aborrire metodi che si sono visti e rivisti molteplici volte, ma dare idee proprie. Si sarà così abili al riconoscimento di cosa funziona e cosa non funziona, vedendo cosa è già popolare ed è stato già solito conseguire buoni risultati.
La maggior parte delle tecniche sono rimaste per la maggior parte inesplorate data la difficoltà di testare nuove idee. Non vengano ignorate solo perchè non sono popolari! Ci sono buoni esempi di sistemi con un basso utilizzo che hanno portano a risultati migliori delle loro controparti più popolari. Tenendo questo a mente si dovrebbe essere in grado di imparare a giudicare se un sistema ha attributi totalmente negativi che lo rende non desiderabile all'utilizzo. Tenendo questo a mente, di consideri che il proprio giudizio potrebbe essere sbagliato.
Alternative agli steps esistento sono un buon modo di iniziare, poiché queste hanno al momento la più alta opportunità di produrre risultati cperfettamente attuabili. Questo però non da un risultato molto interessante perché l'alternativa produrrà spesso risultati simili al sistema già esistente, con meno documentazione ed uso.
Di questi tempo sembra che i metodi più semplici ed ovvi per i puzzle comuni siano stati completamente coperti. Creare idee nuove o migliorarne di preesistenti sembra dover fare conto su concezioni veramente astratte.
Si dovrebbe essere consapevoli che la maggior parte delle proprie idee non funzionerà, o non sarà applicabile allo speedsolving. Si sia dunque preparati a lasciare andare via [che tristezza questa immagine espressa in inglese, veramente toccante] un'idea se non è buona. Rimanere obiettivi è la chiave.
![[Image: elmo-100x100.jpg]](http://respect-authority.com/wordpress/wp-content/uploads/2009/08/elmo-100x100.jpg)
Non sono un traduttore professionista, alcuni (anzi molti) errori potrebbero essere presenti. Se avete suggerimenti/correzioni fatemelo sapere senza problemi nei commenti :3
Spero vi piaccia.
Note alla pseudo-traduzione
Questa non è una traduzione.
Ho scelto di pseudo-tradurre cercando di non stravolgere troppo la forma, portando a frasi "poco moderne" o dal significato intuibile ma non esattamente corrente. Questo non è proprio il massimo per un lettore italiano, perché le frasi risultano "strane", pur avendo significato, e non sono espresse come sarebbero espresse se il post fosse stato scritto in italiano.
Ho fatto questa scelta perché il post NON è stato scritto in italiano, e anche per un certo gusto personale nel suono e nell'effetto che questo genere di disposizione genera.
Per non penalizzare però il lettore, ho aggiunto delle note in parentesi quadre "[]" con riformulazioni delle frasi, spiegazioni aggiuntive o approfondimenti.
Questa pseudo-traduzione inoltre, non è nemmeno costante. A volte ho allora voluto fare "pseugo-traduzioni", altre traduzioni con rimaneggiamento. A volte ho totalmente reinventato le frasi. A un certo punto non si può nemmeno più dire quanto del testo originale sia rimasto, forse nemmeno il significato.
Questo processo non è costante lungo il testo.
Insomma, si salvi chi può, io mi son divertito.
· Metodi risolutivi: l'ABC ·
Questo thread si propone di dare un'introduzione esauriente alle proprietà che i differenti metodi hanno. Per ciascuno proporrò anche delle riflessioni personali.
Come a coloro i quali stanno sviluppando un metodo o valutando nuove tecniche, spero che questo possa aiutare il modo in cui si pratica e si pensa lo speedsolving ordinario.
Basi
I metodi risolutivi (o di risoluzione) consistono in un numero di steps che racchiudono istruzioni per portare il cubo da uno stato ad un altro. Nei metodi "buoni", ogni step cercherà di trarre il massimo vantaggio dallo stato del cubo. Questo rende l'analisi dei primi steps interessante, con tale libertà sarebbe ragionevole pensare che non ci sia uno specifico step più utile di altre alternative. Uno step può fare più cose in una volta.
Definire un metodo spesso divide uno step in pezzi più piccoli, sistematici e trattabili a livello "umano". Questi pezzi sono essenzialmente parte dello stesso step. "Blockbuilding di cose" e poi "blockbuilding di più cose" porta ad ottenere "blockbuilding di molte cose". Può essere vantaggioso per un umano essere cosciente di queste astrazioni, ed ignorarle.
Al momento in cui degli step iniziano a fondersi tra di loro, vale la pena notare che diventa difficile definire esattamente il termine "metodo". Piccole variazioni possono portare a sistemi differenti, anche se comunque collegati. Classificare questi sistemi come metodi totalmente nuovi è superfluo, però è difficile tracciare una linea.
Qualcosa che sembra poco popolare in questo periodo è un "sistema multiplo" (come descritto da Singmaster). Qui è quando un metodo si dirama ad un certo step, e si conclude in differenti modi in base alla direzione presa alla diramazione. La scelta della direzione è fatta in base a quale può dare il maggior vantaggio nella situazione corrente, ma può comunque essere decisa indipendentemente [non si è mai forzati a sceglierne necessariamente una, anche se una può essere può vantaggiosa].
Un esempio di questa tecnica si può vedere creando un metodo ibrido tra due altri metodi che permetta diramazioni tra i due in certi momenti della solve. Più diramazioni nello stesso metodo non sono fattibili/sensate a mio parere. Questa idea si può vedere usando algoritmi diversi per casi particolari per ottenere più dell'originale intenzione dello step.
Questo è fortemente collegato all'essere "method neutral", essere abbastanza abili in differenti metodi permettendosi di scegliere il migliore all'inizio della solve in base allo scramble. La difficoltà dell'arrivare ad avere questa abilità per chi risolve richiede o di inizialmente imparare due metodi insieme e praticarli entrambi, oppure di iniziare prima a praticare un metodo, poi di praticare il secondo diventando abili con esso almeno quanto col primo. I problemi con quest'ultimo approccio sono simili a quelli che si incontrano diventando color neutral.
L'ordine degli step di un metodo può non essere fisso. Step di metodi pensati per il BLD ad esempio, possono non esserlo. Per la natura stessa del tipo di metodo, in cui si tende a lasciare il resto del cubo (quasi) intatto, invertire l'ordine di due step può non essere un problema [un altro esempio è il 2LPLL, dove fare angoli-spigoli oppure spigoli angoli (a patto di usare algoritmi che modificano solo quello che devono risolvere), non fa differenza].
Tipi di tecniche
In questa sezione analizzero i tipi di techiche usate per completare uno step. Questo può significare due cose differenti (che hanno le loro proprie categorie), l'approccio umano al completare lo step e la tipologia di cambiamento di stato che ha avuto luogo durante lo step.
Ci sono alcuni sistemi che gli umani usano per completare uno step. Il più lampante è l'approccio algoritmico ad un qualcosa. Definito "peggior cosa nello speedcubing" da Gilles Roux, questo sistema enumera i casi di un dato step e raccoglie le soluzioni per ognuno di questi in una lista. Il risolutore potrà quindi imparare una soluzione per ciascun caso in modo che quando questo apparirà in una solve potrà riconoscerlo e ricordare la soluzione al caso mnemonicamente.
Un approccio algoritmico può essere usato in step che sono tradizionalmente visti come a base intuitiva, ma non è certamente consigliato. È di solito richiesto usare qualche trucco di base o regola per arrivare a uno stato per il quale si ha un algoritmo. Questo porta a soluzioni di lunghezza maggiore, ma ciò non lo rende peggiore.
Ad un approccio intuitivo alla risoluzione di un caso si arriva con logica e ragionamento al quale si è arrivato mediante sperimentazione. Credo che l'abilità di usare l'intuizione per generare soluzioni a qualcosa sia importante, dimostra la comprensione degli effetti causati dall'applicare una sequenza di mosse al cubo, il che è un importante parte nel capire il cuvo ed eventuali scorciatoie possibili. In confronto all'approccio di tipo algoritmico, una soluzione per ogni caso viene scoperta dal risolutore usando logica oppure tentativi ed errori. I casi possono essere migliorati nel tempo man mano che l'abilità del risolutore di intuire soluzioni più efficienti migliora.
A diversi step ci si può porre con un approccio o algoritmico oppure intuitivo, ma alcuni possono richiedere l'uso di uno dei due in particolare. Degno di nota è il fatto che dopo un congruo periodo di tempo, qualsiasi sia l'approccio scelto, esso tende a tendere verso l'altro. Questo per dire che approcci intuitivi a determinati casi iniziano a diventare seconde nature, a vengono eseguiti alla stessa maniera di algoritmi, ed il risolutore può acquisire una migliore comprensione di come un algoritmo funziona man mano che gli risulta familiare. In situazioni in cui entrambi i processi possono essere usati, dunque, la definizione di "intuitivo" ed "algoritmico" vanno ad attribuirsi al processo di apprendimento, dato che il risultato è essenzialmente lo stesso.
Un sistema di apprendimento che non è ben incasellabile in nessuna delle due categorie è un sistema basato su regole [un "sistema a regole"]. Questo consiste in specifiche cose da fare per uno o più casi. Ci saranno differenti gruppi di casi che richiederanno venga fatta la stessa cosa per avanzare alla parte successiva, che potrà essere o un altro caso di una categoria, oppure il completamento di uno step- Esempi di questo è lo step di EO del Roux [http://wafflelikescubes.webs.com/orientation.htm], sistemi per singoli step con "algoritmo duale" [della definizione di duale ne possiamo parlare, sembra strano ma la recognition sembra basata su due "entrate" e quindi non è un solo algoritmo, ma è un modo di fare one look, e poi usare due algo separati per risolvere prima una parte, poi l'altra; in questo senso è diverso da step dove recognition-->algo e altri in cui recognition1-->algo1, recognition2-->algo2 (che poi alla fine sono due step, è il caso dei famosi step 2L). infatti è recognition-->algo1, algo2] per il LL (Petrus 270 [non molto famoso, ma estremamente interessante--> http://lar5.com/cube/270/index.html], OLLCP hax [dello stesso Kirjava--> https://www.speedsolving.com/wiki/index....LCP_(hax)]), o alcuni sistemi per la forma cubica dello square-1. Mi piace chiamare questi sistemi "sistemi a diagramma di flusso", poiche i "dati" [diciamo più i casi, in questo caso] possono essere espressi come un diagramma di flusso [è possibile tracciarne uno, si veda--> http://www.jaapsch.net/puzzles/images/sq...shapes.gif].
Un altro sistema a regole include usare una formula per generare sequenze di mosse. Gli unici esempi ai quali riesco a pensare sono commutatori e coniugati. Questi significano usare una formula per creare un algoritmo che faccia un determinato mestiere. Mentre intuizione è necessaria per creare le differenti parti della formula, la struttura dell'algoritmo che si andrà a creare è predefinita [si vedano i commutatori tipici [A,B] ed i coniugati [A:B]]. Questo sembra risultare in un sistema che permette la creazione di risultatiprevedibily che possono essere usati al momento senza troppo apprendimento premeditativo [mi piaceva il suono e l'ho scritto :3].
Come altri sistemi, questi possono eventualmente diventare algoritmici *e* intuitivi.
Ci sono due differenti cambi di stato ai quali uno step può portare.
La risoluzione diretta è la più prevalente e *deve* comparire in un metodo ad un certo punto perché questo porti ad un cubo risolto. Con questa tecnica, pezzi definiti dallo step sono permutati ed orientati. Con rispetto per un determinato punto di riferimento. Questo non deve per forza essere un punto di riferimento esterno, e nemmeno essere per forza essere lo stesso punto di riferimento di step precedenti (pseudo blocchi).
Quotando Quadrescence: "Penso che se si stia risolvendo direttamente, si debba avere un punto di riferimento assoluto durante il processo". Mentre questo contraddice cosa sto dicendo, lo vedo come un modo perfettamente valido di esprimere cosa constituisce la risoluzione diretta. Questo è un buon esempio dell'area grigia che si vede descrivendo queste concezioni, con le quali ho avuto problemi scrivendo questo articolo.
La riduzione non è un requisito per un metodo, ma può essere un modo potente di portare un cubo più vicino all'essere risolto. Se uno step richiede riduzione, c'è un sottoinsieme di stati che il cubo è portato a dovere avere perché quello step sia completato. Lo step in seguitò dovrà solo fare i conti con risolvere quegli stati, quindi rimuovere gli altri facilità il completamento di quello step. Questo inoltre riduce ulteriormente il numero di stati che il cubo può assumere, portandolo ad essere più vicino all'essere risolto. Mentre questo è anche vero per la risoluzione diretta, gli stati richiesti non richiedono che dei pezzi siano permutati o orientati correttamente. Alcune qualità possono essere invece essere imposte che richiedano *solo* permutazione o orientamento, oppure dei pezzi ad essere raggruppati in certi modi.
Alcuni step includono un misto di entrambi i tipi, come risolvere direttamente alcuni pezzi e ridurne altri.
La pseudo risoluzione è un interessante fisima. Questa implica risolvere al quale, dopo la normale conclusione del metodo, mosse extra saranno richieste per risolvere questa pseudo creazione. Al posto di risolvere ad uno stato risolto, si risolve ad uno stato lontano di una (o più) mosse, e aggiungere poi queste mosse alla fine. Questo può essere vantaggioso perché gli pseudo blocchi potrebbero essere più semplici da creare che i normali blocchi.
Una pseudo mossa può essere applicata al durante di qualche step e può essere usa sia con risoluzione diretta che riduzione.
Attuabilità del metodo
Sfortunatamente, la maggior parte dei metodi di misura dell'attuabilità di un metodo non possono essere quantificati in modo semplici. Insieme alle preferenze personali questo rende il comparare differenti metodi una questione oggettiva.
Un importante aspetto che costituisce un buon metodo è il numero di mosse. Mentre questa non è la quintessenza del decidere quanto bene un metodo funzionerà, è una qualità puramente quantificabile che da una buona indicazione. Tutti i maggiori metodi da speedcubing in uso hanno un numero di mosse simili, con alcuni aventi maggior numero di mosse che danno vantaggi in altre aree.
Essendoci l'elemento umano nello speedsolving, la facilità di uso è un altro fattore. Metodi senza troppi complicazioni tendono a passarsela meglio perché sono più attraenti da imparare e ricevono più prove. Mentre metodi più complicati potrebbero anche performare meglio a lungo termine, dimostrare questo fatto è difficile se nessuno ha desiderio a provarli.
Metodi con steps complicati richiedono inoltre un tempo extra di ragionamento, che non ci dovrebbe essere quando si fa speedsolving. Uno sbantaggio in molti dei metodi con basso numero di mosse è il tempo di ragionamento richiesto per completare particolari steps.
Un altro problema che riguarda la facilità di uso è la quantità richiesta di conoscenze. Questo di solito significa la quantità di algoritmi che è necessario imparare per utilizzare pienamente un metodo. Metodi con meno algoritmi tendono a fare conto sull'usare più steps ed intuizione, lasciando una solve nel complesso meno efficiente, mentre metodi con un numero di algoritmi sulle centinaia danno una curva di apprendimento ripida ed un'implementazione [attuazione, ma implementazione mi piace di più anche se è raro, tecnico] difficoltosa.
Dopo l'apprendimento iniziale di un insieme ampio di algoritmi, questa difficoltà risulta dai problemi causati dal tentare di ricordare un algoritmo da un così grande sottoinsieme senza avere tempo di ragionamento. Mentre il riconoscimenti di un caso da un ampio insieme è anche esso un problema, non è comunque un problema così significativo come il richiamare. Ad oggi, nessuno è stato capace di mostrare abilità di richiamo con insiemi di algoritmi nell'ordine delle centinaia pari a quelle di insiemi di minore dimensione.
Come per gli algoritmi in se stessi, sottoinsiemi richiedenti algoritmi di solito non si restringono a certi gruppi di mosse, quindi gli utenti possono trovarne di diversi per soddisfare le loro preferenze. [magari uno si trova bene con algo che usano solo D, B e L...]. Nonostante ciò, steps basati su una maggiore intuizione tendono ad autoportarsi ad essere eseguiti con un certo gruppo di mosse. Steps che impiegano gruppi di mosse che sono semplici da effettuare in genere se la passano meglio di altri, ma questo aspetto è fortemente influenzato dalle preferenze personali.
Estensioni e variazioni
Ogni metodo di base può avere innumerabili variazioni ed estensioni. DI solito, uno step oppure un gruppo di steps possono essere ottenuti con sistemi multiply che sono apparentemente di eguale praticabilità. Ci sono pressoché infinite combinazioni di alternativi approcci alle stesse cose.
Forzare la concatenazione di steps è un'idea popolare per estendere un metodo. Questi include imparare come risolvere due steps allo stesso momento, di solito col risultato di un incredibile accrescimento delle cose che bisogna imparare. Quando si crea un metodo, questo dovrebbe essere effettuato ad ogni coppia di steps per assicurarsi che la massima efficienza venga ottenuta. Ad ogni modo, questo non è sempre umanamente fattibile.
Un'idea simile è risolvere invece solo parte dello step successivo. Questo porta ad un sottinsieme di casi dello step successivo. L'intenzione vorrebbe essere rendere questo sottoinsieme di casi più piacevole dell'intero insieme. Sarebbe dibattibile [opinabile] se il tempo salvato per avere casi migliori sia annullato dall'arrivare a quel sottoinsieme in prima istanza.
Un altro uso della concatenazione parziale è ridurre il numero di caso abbastanza perché una concatenazione integrale di step possa prendere luogo con lo step appena ridotto ed il successivo.
Insieme a differenti variazioni, esistono sistemi che possono essere applicati solo a determinate situazioni. Mentre questi sistemi portano ad un vantaggio in queste situazioni, essi non sono utili per ogni configurazione del cubo e non sono considerati sistemi completi. Mentre impararetrucchetti per magici casi speciale di solitò potrà risultare vantaggioso, implementarli nelle risoluzioni può portare a problemi di riconoscimento o richiamo. Trucchetti come questi di solito portano a forzare skip di qualche genere.
Sviluppo di nuovi metodi
Le persone che creano metodi per solo divertimento personale possono saltare questa sezione (ed infatti l'intero thread).
Fare ricerca sui metodi esistenti è estremamente importante per lo sviluppo del proprio metodo. Questo causa non solo l'aborrire metodi che si sono visti e rivisti molteplici volte, ma dare idee proprie. Si sarà così abili al riconoscimento di cosa funziona e cosa non funziona, vedendo cosa è già popolare ed è stato già solito conseguire buoni risultati.
La maggior parte delle tecniche sono rimaste per la maggior parte inesplorate data la difficoltà di testare nuove idee. Non vengano ignorate solo perchè non sono popolari! Ci sono buoni esempi di sistemi con un basso utilizzo che hanno portano a risultati migliori delle loro controparti più popolari. Tenendo questo a mente si dovrebbe essere in grado di imparare a giudicare se un sistema ha attributi totalmente negativi che lo rende non desiderabile all'utilizzo. Tenendo questo a mente, di consideri che il proprio giudizio potrebbe essere sbagliato.
Alternative agli steps esistento sono un buon modo di iniziare, poiché queste hanno al momento la più alta opportunità di produrre risultati cperfettamente attuabili. Questo però non da un risultato molto interessante perché l'alternativa produrrà spesso risultati simili al sistema già esistente, con meno documentazione ed uso.
Di questi tempo sembra che i metodi più semplici ed ovvi per i puzzle comuni siano stati completamente coperti. Creare idee nuove o migliorarne di preesistenti sembra dover fare conto su concezioni veramente astratte.
Si dovrebbe essere consapevoli che la maggior parte delle proprie idee non funzionerà, o non sarà applicabile allo speedsolving. Si sia dunque preparati a lasciare andare via [che tristezza questa immagine espressa in inglese, veramente toccante] un'idea se non è buona. Rimanere obiettivi è la chiave.
