Thesis တစ္ေစာင္ ဘယ္လိုေရးမလဲ(၂)

ဘြဲ႔လြန္က်မ္းတစ္ေစာင္၏ ေယဘုယ် ပံုစံ

အခန္း ၁။ နိဒါန္း (Introduction)

ပထမဆံုး အခန္းသည္ ဘြဲ႔လြန္က်မ္းတြင္ပါ၀င္မည့္ အခန္းက႑တစ္ခုခ်င္း၏ အေၾကာင္းအရာမ်ားကိုသာ ေဖာ္ျပ႐ံုမွ်သာမဟုတ္ပဲ ဘြဲ႔လြန္က်မ္း၏ အေၾကာင္းအရာတစ္ခုလံုးကို ျခံဳငံုေဖာ္ျပရမည့္ အခန္းက႑တစ္ရပ္ပင္ ျဖစ္သည္။ သင္၏ ဘြဲ႔လြန္စာတမ္း ကေျဖ႐ွင္းေပးမည့္ ေမးခြန္း(သို႕) ျပႆနာ အား အက်ဥ္းခ်ံဳး ေဖာ္ျပၿပီး (ထိုျပႆနာအား ေနာက္အခန္းမ်ား၌ အေသးစိတ္ တင္ျပရန္) မည္သည့္အတြက္ေၾကာင့္ သင္႐ွာေဖြခဲ႔ေသာ ေမးခြန္း (သို႕) ျပႆနာသည္ ေျဖ႐ွင္းရန္ သင့္ေလ်ာ္ေၾကာင္း အေၾကာင္းျပခ်က္ ႏွင့္ သင္႕အေျဖမ်ားအား ျခံဳငံုသံုးသပ္ခ်က္ မ်ား တင္ျပေပးရမည္။ ဆိုလိုသည္မွာ စာဖတ္သူက သင္၏ဘြဲ႔လြန္စာတမ္းက ေျဖ႐ွင္းေပးမည့္ ေမးခြန္းမ်ားအား အလြယ္တကူ နားလည္အကဲျဖတ္ႏိုင္ေစရန္ ျဖစ္သည္။

အခန္း ၂။ ေနာက္ခံ အေၾကာင္းအရာ (လိုအပ္လွ်င္ထည့္ရန္)
(Background Information (optional))

အကယ္၍ သင္သည္ ကြဲျပားသည့္ အေၾကာင္းအရာ၊ အျခား ဘာသာရပ္ ႏွင့္ ဆက္စပ္၍ သုေတသန လုပ္ခဲ႔သည္ ဆိုပါက ထိုအေၾကာင္းအရာမ်ား၏ ေနာက္ခံ သတင္းအခ်က္အလက္မ်ားအား ဤအခန္းတြင္ ေရးသားႏိုင္သည္။ ဆိုလိုခ်က္မွာ စာဖတ္သူႏွင့္ မရင္းႏွီးေသးသည့္ အေၾကာင္းအရာ မ်ားအား နားလည္ သေဘာေပါက္ေစရန္ ျဖစ္သည္။ ဥပမာအားျဖင့္ "A Brief Review of ........" ဟူ၍ ေခါင္းစဥ္ ေပးႏိုင္သည္။

အခန္း ၃။ ပညာရပ္အား ျပန္လည္သံုးသပ္ျခင္း (Review of the State of the Art)

သင္႔ဘြဲ႔လြန္စာတမ္း ႏွင့္ဆက္စပ္ေနသည့္ မ်က္ေမွာက္ေခတ္တြင္ ေပၚထြန္းေနၿပီးျဖစ္ေသာ နည္းပညာမ်ား ႏွင့္ အေတြးအေခၚမ်ားအား ျပန္လည္ သံုးသပ္ တင္ျပႏိုင္ရမည္။ ထို႕ေနာက္ ထိုတင္ျပခ်က္ (မိမိ၏ အေတြးအေခၚမပါ၀င္ပါ) မွ ဤကဲ႔သို႕ေခါင္းစဥ္ ေပးႏိုင္သည္။ ဥပမာ- "State of the Art in NP-complete"

ဤအခန္း၌ မည္သို႕ေတြးေခၚယူဆခဲ႔သည္ ဆိုသည့္ အခ်က္ကိုသာ အေလးေပးေဖာ္ျပသင့္သည္။
(ဆိုလိုသည္မွာ မိမိကိုးကားခဲ႔သည့္ စာတမ္းမ်ား၊ စာတမ္းျပဳစုသူမ်ား အားျဖင့္ အခန္းက႑ခြဲျခင္းမဟုတ္ပဲ ၎တို႔၏ စဥ္းစားေတြးေခၚပံု ျဖင့္စုစည္းတင္ျပျခင္း)
ဥပမာ၊ NP-complete ျပႆနာအားေျဖ႐ွင္းရန္ ခ်ဥ္းကပ္ပံုမ်ားမွာ-

3.1 Approximation: Instead of searching for an optimal solution, search for an "almost" optimal one.
3.2 Randomization: Use randomness to get a faster average running time, and allow the algorithm to fail with some small probability. See Monte Carlo method.
3.3 Restriction: By restricting the structure of the input (e.g., to planar graphs), faster algorithms are usually possible.
3.4 Parameterization: Often there are fast algorithms if certain parameters of the input are fixed.
3.5 Heuristic: An algorithm that works "reasonably well" in many cases, but for which there is no proof that it is both always fast and always produces a good result. Metaheuristic approaches are often used.

(ဆက္လက္ေဖာ္ျပပါမည္။)