စီမံကိန်းရေးဆွဲရာတွင် dynamic programming အသုံးပြုခြင်း

စီမံကိန်းရေးဆွဲခြင်းတွင် Dynamic Programming အသုံးပြုခြင်း

စီးပွားရေးနှင့် စက်မှုလုပ်ငန်းမှ ထောက်ပံ့ပို့ဆောင်ရေးနှင့် နည်းပညာအထိ နယ်ပယ်အသီးသီးတွင် စီမံကိန်းရေးဆွဲခြင်းသည် ဆုံးဖြတ်ချက်ချမှတ်ခြင်း၏ အဓိကအချက်ဖြစ်သည်။ အစီအစဉ်တိုင်းတွင် အရင်းအမြစ်ကန့်သတ်ချက်များ၊ သီးခြားပစ်မှတ်များ၊ အန္တရာယ်များနှင့် အချိန်နှင့်အမျှ အပြန်အလှန်မှီခိုသော ဆုံးဖြတ်ချက်များ ပါဝင်လေ့ရှိသည်။ ဤနေရာတွင် dynamic programming (DP) သည် အလွန်အသုံးဝင်သော ချဉ်းကပ်မှုတစ်ခု ဖြစ်လာသည်။ Dynamic programming သည် ရှုပ်ထွေးသောပြဿနာများကို ပိုမိုသေးငယ်သော ပြဿနာငယ်များအဖြစ် ပိုင်းခြားခြင်း၊ တစ်ကြိမ်ဖြေရှင်းခြင်းနှင့် ရလဒ်များကို ထပ်ခါတလဲလဲ တွက်ချက်ခြင်းကို ရှောင်ရှားရန် သိမ်းဆည်းခြင်းဖြင့် ဖြေရှင်းသည့် တွက်ချက်မှုနည်းပညာတစ်ခုဖြစ်သည်။ ဤဆောင်းပါးသည် dynamic programming ကို စီမံကိန်းရေးဆွဲရာတွင် မည်သို့အသုံးပြုသည်၊ ၎င်း၏အကျိုးကျေးဇူးများနှင့် ၎င်း၏လက်တွေ့ကမ္ဘာအသုံးချမှုများ၏ ဥပမာများကို ဆွေးနွေးထားသည်။

Dynamic Programming ရဲ့ အခြေခံသဘောတရားများ

ဒိုင်းနမစ် ပရိုဂရမ်းမင်းသည် အဓိက ဝိသေသလက္ခဏာနှစ်ခုရှိသည့် ပြဿနာများအတွက် သင့်လျော်သည်- အကောင်းဆုံး လက်အောက်ခံဖွဲ့စည်းပုံနှင့် ထပ်နေသော လက်အောက်ခံပြဿနာများ။ အကောင်းဆုံး လက်အောက်ခံဖွဲ့စည်းပုံဆိုသည်မှာ ပြဿနာတစ်ခုအတွက် အကောင်းဆုံးဖြေရှင်းချက်ကို ၎င်း၏ လက်အောက်ခံပြဿနာများအတွက် အကောင်းဆုံးဖြေရှင်းချက်များမှ တည်ဆောက်နိုင်သည်ဟု ဆိုလိုသည်။ ထပ်နေသော လက်အောက်ခံပြဿနာများဆိုသည်မှာ တွက်ချက်မှုအတွင်း တူညီသော လက်အောက်ခံပြဿနာသည် အကြိမ်ပေါင်းများစွာ ပေါ်လာသည်ကို ဆိုလိုသည်။

စီမံကိန်းရေးဆွဲခြင်းဆိုင်ရာ အခြေအနေတွင် ဤသည်မှာ အဖြစ်များပါသည်။ ဥပမာအားဖြင့် ကုမ္ပဏီတစ်ခုသည် လစဉ်ထုတ်လုပ်မှုကို စီစဉ်သည့်အခါ တစ်လအတွင်း ပြုလုပ်သော ဆုံးဖြတ်ချက်များသည် နောက်လတွင် ကုန်ပစ္စည်းစာရင်းနှင့် စွမ်းရည်ကို သက်ရောက်မှုရှိမည်ဖြစ်သည်။ စီမံကိန်းရေးဆွဲခြင်းဆိုင်ရာ အခြေအနေများစွာကို အဆင့်များစွာဖြင့် ရှုမြင်နိုင်ပြီး တစ်ခုချင်းစီတွင် အခြေအနေများနှင့် ဆုံးဖြတ်ချက်များစွာ ပါဝင်သည်။ Dynamic programming သည် ဤရွေးချယ်စရာများကို စူးစမ်းလေ့လာရန်နှင့် အကောင်းဆုံးကမ္ဘာလုံးဆိုင်ရာလမ်းကြောင်းကို ရွေးချယ်ရန် စနစ်တကျနည်းလမ်းတစ်ခုကို ပေးပါသည်။

Dynamic Programming က ဘာကြောင့် စီမံကိန်းရေးဆွဲခြင်းအတွက် အရေးပါတာလဲ။

စီမံကိန်းရေးဆွဲခြင်းသည် အောက်ပါစိန်ခေါ်မှုများနှင့် ရင်ဆိုင်ရလေ့ရှိသည်။

၁။ တိုးပွားလာသော ဆုံးဖြတ်ချက်များ- ဆုံးဖြတ်ချက်များကို ကာလများစွာ (ရက်များ၊ ရက်သတ္တပတ်များ၊ လများ) တွင် အထပ်ထပ်အခါခါ ချမှတ်လေ့ရှိသည်။
၂။ အကန့်အသတ်ရှိသော အရင်းအမြစ်များ- ဘတ်ဂျက်၊ လုပ်အား၊ စက်စွမ်းရည်၊ ကုန်ကြမ်းများ။
၃။ အကောင်းဆုံးရည်မှန်းချက်များ- ကုန်ကျစရိတ်များကို လျှော့ချရန်၊ အမြတ်အစွန်းများကို အများဆုံးရရှိရန်၊ အချိန်ကို လျှော့ချရန် သို့မဟုတ် စံနှုန်းများစွာပေါင်းစပ်ရန်။
၄။ မသေချာမရေရာမှုများနှင့် အခြေအနေများ- ဝယ်လိုအား အတက်အကျ၊ ဈေးနှုန်းများ ပြောင်းလဲခြင်း၊ နှောင့်နှေးမှုအန္တရာယ်များ ပေါ်ပေါက်လာခြင်း။

DP သည် အထူးသဖြင့် သင့်လျော်ပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် အနာဂတ်အကျိုးဆက်များကို ထည့်သွင်းစဉ်းစားနေစဉ်တွင် အကောင်းဆုံးဖြေရှင်းချက်များကို တွက်ချက်နိုင်သောကြောင့်ဖြစ်သည်။ ၎င်း၏သက်ရောက်မှုကို ထည့်သွင်းစဉ်းစားခြင်းမရှိဘဲ လက်ရှိအချိန်တွင် အကောင်းဆုံးဆုံးဖြတ်ချက်ချသည့် "လောဘကြီးသော" ချဉ်းကပ်မှုနှင့်မတူဘဲ၊ DP သည် စီမံကိန်းရေးဆွဲခြင်းဆိုင်ရာ ዘዴတစ်ခုလုံးကို စနစ်တကျစဉ်းစားသည်။

စီမံကိန်းရေးဆွဲခြင်းတွင် DP ၏ အထွေထွေဖွဲ့စည်းပုံ

စီမံကိန်းရေးဆွဲခြင်းဆိုင်ရာ ပြဿနာများစွာတွင် DP ကို ​​အောက်ပါ အစိတ်အပိုင်းများဖြင့် ဖော်စပ်နိုင်သည်။

– အဆင့် (t): အချိန်ကာလ သို့မဟုတ် ဆုံးဖြတ်ချက်ချသည့်အဆင့်။
– အခြေအနေ(များ): တစ်စုံတစ်ခုသော အဆင့်တွင် စနစ်၏ အခြေအနေ (ဥပမာ- ကုန်ပစ္စည်းအဆင့်၊ ကျန်ရှိနေသော စွမ်းရည်၊ ယာဉ်အနေအထား)။
– ဆုံးဖြတ်ချက် (က): ထိုအခြေအနေမှ လုပ်ဆောင်နိုင်သော လုပ်ဆောင်ချက်များ (ယူနစ်မည်မျှ ထုတ်လုပ်ရမည်၊ မည်သည့်လမ်းကြောင်းသို့ ပို့ရမည်)။
– အကူးအပြောင်း- ဆုံးဖြတ်ချက်တစ်ခုချပြီးနောက် အခြေအနေမည်သို့ပြောင်းလဲသွားသည်။
– တန်ဖိုးလုပ်ဆောင်ချက်- ဆုံးဖြတ်ချက်၏ ကုန်ကျစရိတ် သို့မဟုတ် အကျိုးကျေးဇူးများ အပေါင်း နောက်တစ်ဆင့်၏ အကောင်းဆုံးတန်ဖိုး။

ယေဘုယျအားဖြင့် DP သည် လုပ်ဆောင်ချက်များကို အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ပေးသည်-
\[
V_t(s) = \min_a \big(ကုန်ကျစရိတ်(s,a) + V_{t+1}(s') \big)
\]
သို့မဟုတ် အမြတ်အစွန်းများကို အများဆုံးရရှိအောင် လုပ်ဆောင်နေပါက-
\[
V_t(s) = \max_a \big( ဆုလာဘ်(s,a) + V_{t+1}(s') \big)
\]

ဤချဉ်းကပ်မှုသည် တသမတ်တည်းရှိသော၊ တိုင်းတာနိုင်သော နှင့် သင်္ချာနည်းဖြင့် စမ်းသပ်ထားသော အစီအစဉ်များကို ဒီဇိုင်းဆွဲရာတွင် အထောက်အကူပြုသည်။

စီမံကိန်းရေးဆွဲခြင်းတွင် အသုံးချမှု ဥပမာများ

၁။ ထုတ်လုပ်မှုနှင့် စာရင်းစီမံကိန်းရေးဆွဲခြင်း

DP ရဲ့ ဂန္ထဝင်အပလီကေးရှင်းတွေထဲက တစ်ခုက ကာလများစွာ ထုတ်လုပ်မှုစီမံကိန်းရေးဆွဲခြင်းပါ။ ကုမ္ပဏီတွေဟာ ထုတ်လုပ်မှုကုန်ကျစရိတ်၊ ထိန်းသိမ်းစရိတ်နဲ့ ကုန်ပစ္စည်းပြတ်လပ်မှုကုန်ကျစရိတ်တွေကို ဟန်ချက်ညီအောင် ထိန်းညှိရင်း ကာလတစ်ခုစီမှာ လိုအပ်ချက်နဲ့ ကိုက်ညီအောင် မည်မျှထုတ်လုပ်ရမလဲဆိုတာ ဆုံးဖြတ်ရပါမယ်။ အခြေအနေက လက်ရှိကုန်ပစ္စည်းစာရင်းအဆင့်ဖြစ်နိုင်ပြီး ဆုံးဖြတ်ချက်ကတော့ ထုတ်လုပ်မှုပမာဏပါ။ DP က ကုမ္ပဏီတွေကို ကာလများစွာမှာ ပစ်မှတ်လိုအပ်ချက်နဲ့ ကိုက်ညီအောင် အနည်းဆုံးကုန်ကျစရိတ်ကို တွက်ချက်နိုင်စေပါတယ်။

DP ရဲ့ အဓိကအားသာချက်ကတော့ ဒီနေ့ခေတ်မှာ ကြီးမားတဲ့ ထုတ်လုပ်မှုက ဂိုဒေါင်ကုန်ကျစရိတ်တွေကို မြင့်တက်စေနိုင်ပေမယ့် အနာဂတ်မှာ ထုတ်လုပ်မှု တပ်ဆင်မှုကုန်ကျစရိတ်တွေကို လျှော့ချပေးနိုင်တယ်ဆိုတာကို ထည့်သွင်းစဉ်းစားနိုင်စွမ်းပါပဲ။

၂။ ဘတ်ဂျက်ခွဲဝေမှုနှင့် စီမံကိန်းအစုစု

မဟာဗျူဟာမြောက်စီမံကိန်းရေးဆွဲခြင်းတွင်၊ အဖွဲ့အစည်းများသည် ဘတ်ဂျက်များကို ပရောဂျက်များစွာ (ဥပမာ၊ သုတေသနနှင့်ဖွံ့ဖြိုးတိုးတက်ရေး၊ စျေးကွက်ရှာဖွေရေး၊ တိုးချဲ့မှု) တွင် ခွဲဝေလေ့ရှိသည်။ ပရောဂျက်တစ်ခုစီတွင် “တန်ဖိုး” ရှိပြီး ငွေကြေးကုန်ကျသည်။ ၎င်းသည် နာမည်ကြီးကျောပိုးအိတ်ပြဿနာနှင့် ဆင်တူသည်။ DP ကို ​​ဘတ်ဂျက်ထက်မပိုဘဲ စုစုပေါင်းတန်ဖိုးကို အမြင့်ဆုံးဖြစ်စေသော ပရောဂျက်များပေါင်းစပ်မှုကို ရွေးချယ်ရန် အသုံးပြုနိုင်သည်။

ပရောဂျက်တစ်ခုတွင် ရန်ပုံငွေထောက်ပံ့မှုအဆင့်များစွာ (ဥပမာ- စမ်းသပ်စီမံကိန်း၊ အကောင်အထည်ဖော်မှု၊ တိုးချဲ့မှု) ရှိသည့်အခါ DP သည် ပိုမိုအားကောင်းလာပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတွင် ပရောဂျက်ကို အကဲဖြတ်ပြီးနောက် ဆက်လက်လုပ်ဆောင်မည် သို့မဟုတ် ရပ်ဆိုင်းမည်ဆိုသည့် အဆင့်လိုက်ဆုံးဖြတ်ချက်များ ပါဝင်နိုင်သောကြောင့်ဖြစ်သည်။

၃။ အချိန်ဇယားဆွဲခြင်းနှင့် အရင်းအမြစ်အသုံးပြုမှု

စက်ရုံများ၊ ဆေးရုံများ သို့မဟုတ် ဝန်ဆောင်မှုကုမ္ပဏီများတွင်၊ အလုပ်ချိန်ဇယားများသည် စွမ်းရည်ကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ရန်အတွက် လူများနှင့် စက်များကို ခွဲဝေပေးရမည်။ အထူးသဖြင့် အလုပ်ချိန်များ၊ အလုပ်ဦးစားပေးမှုများနှင့် အလုပ်များအကြား အပြန်အလှန်မှီခိုမှုများကဲ့သို့သော ကန့်သတ်ချက်များရှိနေသည့်အခါ စောင့်ဆိုင်းချိန်များကို လျှော့ချရန် သို့မဟုတ် အသုံးပြုမှုအများဆုံးဖြစ်စေရန် DP ကို ​​အသုံးပြုနိုင်သည်။

အထူးသဖြင့် အထပ်ထပ်လုပ်ဆောင်ရသည့် ဖွဲ့စည်းပုံရှိသော အချိန်ဇယားပြဿနာများ (ဥပမာ၊ နေ့စဉ်အလုပ်ချိန်များ) တွင် DP သည် အခြားရွေးချယ်စရာအချိန်ဇယားများစွာကို ထိရောက်စွာနှိုင်းယှဉ်ရန် ကူညီပေးနိုင်ပါသည်။

၄။ လမ်းကြောင်းစီစဉ်ခြင်းနှင့် ထောက်ပံ့ပို့ဆောင်ရေး

ထောက်ပံ့ပို့ဆောင်ရေးတွင် လမ်းကြောင်းရှာဖွေခြင်း၊ ပို့ဆောင်ခြင်းနှင့် ယာဉ်စုအသုံးပြုမှုဆိုင်ရာ ဆုံးဖြတ်ချက်များ ပါဝင်သည်။ ယာဉ်များသည် အနည်းဆုံးကုန်ကျစရိတ်ဖြင့် သတ်မှတ်ထားသောနေရာများသို့ သွားရောက်ရမည့်အခြေအနေကဲ့သို့သော အခြေအနေအချို့တွင် DP ကို ​​လမ်းကြောင်းစီစဉ်ရန်အတွက် အသုံးပြုနိုင်သည်။ သတ်မှတ်ထားသော စကေးများတွင် DP ကို ​​ခရီးသွားအရောင်းသမားပြဿနာ (TSP) ၏ မျိုးကွဲများနှင့် သတ်မှတ်ထားသော အခြေအနေများပါရှိသော အတိုဆုံးလမ်းကြောင်းများ (ဥပမာ၊ သွားရောက်လည်ပတ်ပြီးသော နေရာများ၏ အစုအဖွဲ့တစ်ခု) တွင်လည်း အသုံးပြုသည်။

ခေတ်သစ်ထောက်ပံ့ပို့ဆောင်ရေးအလေ့အကျင့်တွင်၊ DP ကို ​​အခြား heuristics များနှင့် optimization များနှင့် ပေါင်းစပ်၍ ကြီးမားသောစကေးများကို ကိုင်တွယ်နိုင်သည်။

၅။ ကိုယ်ရေးကိုယ်တာနှင့် ကော်ပိုရိတ်ဘဏ္ဍာရေးစီမံကိန်းရေးဆွဲခြင်း

DP သည် ငွေကြေးစီမံကိန်းရေးဆွဲခြင်းတွင်လည်း သက်ဆိုင်သည်၊ ဥပမာအားဖြင့် အဆင့်ဆင့်ရင်းနှီးမြှုပ်နှံမှုဗျူဟာကို ဆုံးဖြတ်ခြင်း၊ ငွေစုခြင်းနှင့် သုံးစွဲခြင်းကို ဆုံးဖြတ်ခြင်း သို့မဟုတ် ငွေသားပြတ်လပ်မှုအန္တရာယ်ကို လျှော့ချရန် ကုမ္ပဏီငွေသားကို စီမံခန့်ခွဲခြင်းတို့ဖြစ်သည်။ ရရှိနိုင်သောပိုင်ဆိုင်မှုများ သို့မဟုတ် ငွေသားအခြေအနေနှင့် ရန်ပုံငွေခွဲဝေမှုဆိုင်ရာ ဆုံးဖြတ်ချက်များဖြင့် DP သည် ရေရှည်ဗျူဟာများကို တသမတ်တည်း အကဲဖြတ်နိုင်စေပါသည်။

အားသာချက်များနှင့် ကန့်သတ်ချက်များ

စီမံကိန်းရေးဆွဲခြင်းတွင် dynamic programming ၏ အားသာချက်များ-
- မော်ဒယ်မှန်ကန်ပါက အကောင်းဆုံးဖြေရှင်းချက်များ (“လုံလောက်သော” ဖြေရှင်းချက်များသာမက) ကို ပေးသည်။
– အပြန်အလှန် လွှမ်းမိုးမှုရှိသော အဆင့်များစွာပါသည့် ဆုံးဖြတ်ချက်များအတွက် သင့်လျော်သည်။
– မှတ်စုယူခြင်း သို့မဟုတ် DP ဇယားများမှတစ်ဆင့် အထပ်ထပ်တွက်ချက်မှုများကို ရှောင်ကြဉ်ပါ။
– လက်ရှိကုန်ကျစရိတ်များနှင့် အနာဂတ်အကျိုးကျေးဇူးများ- အပေးအယူများကို ရှင်းပြနိုင်သည်။

ကီတာဘာတာဆန်:
– ပြည်နယ်များ အလွန်များပြားလာသည့်အခါ DP သည် “ပြည်နယ်-အာကာသပေါက်ကွဲမှု” ကို ကြုံတွေ့ရနိုင်သည်။
– ရှင်းလင်းသော မော်ဒယ်ဖော်မြူလာ လိုအပ်သည်- ပြည်နယ်များ၊ ဆုံးဖြတ်ချက်များ၊ ကုန်ကျစရိတ်များနှင့် အကူးအပြောင်းများ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်။
– စက်မှုလုပ်ငန်းအတိုင်းအတာပြဿနာများအတွက်၊ စစ်မှန်သော DP သည် တစ်ခါတစ်ရံ အလွန်လေးလံလွန်းသောကြောင့် ပေါင်းစပ်ချဉ်းကပ်မှု လိုအပ်ပါသည် (ခန့်မှန်းခြေ DP၊ heuristics သို့မဟုတ် အခြား optimization နည်းလမ်းများ)။

ခေတ်သစ် ဒိုင်းနမစ် ပရိုဂရမ်းမင်း- ခန့်မှန်းခြေ DP နှင့် အားဖြည့်သင်ယူမှု

ပိုမိုရှုပ်ထွေးသော ကမ္ဘာတွင်၊ ရိုးရာ DP (အခြေအနေအားလုံးကို တွက်ချက်သည့်) သည် ထိရောက်မှုမရှိနိုင်ပါ။ ထို့ကြောင့်၊ approximation functions များကို အသုံးပြု၍ အကောင်းဆုံးတန်ဖိုးများကို ခန့်မှန်းသည့် approximate dynamic programming ချဉ်းကပ်မှုများကို တီထွင်ခဲ့ကြသည်။ ဤသဘောတရားသည် reinforcement learning (RL) နည်းလမ်းများ၏ အခြေခံအုတ်မြစ်ကိုလည်း ဖွဲ့စည်းပေးပြီး၊ agent များသည် အတွေ့အကြုံမှတစ်ဆင့် အကောင်းဆုံးဆုံးဖြတ်ချက်များချရန် သင်ယူကြသည်။

မသေချာမှုမြင့်မားခြင်း (ဥပမာ မသေချာသော ဝယ်လိုအား သို့မဟုတ် ယာဉ်ကြောအခြေအနေများ) ပါဝင်သည့် စီမံကိန်းရေးဆွဲခြင်းအတွက်၊ DP ကို ​​သရုပ်ဖော်ခြင်းနှင့် စက်သင်ယူမှုတို့ ပေါင်းစပ်အသုံးပြုခြင်းသည် ပိုမိုလိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ထားသော ဖြေရှင်းချက်များကို ပေးစွမ်းနိုင်ပါသည်။

နိဂုံး

Dynamic programming သည် ရှုပ်ထွေးပြီး အဆင့်များစွာပါဝင်သော ဆုံးဖြတ်ချက်များကို စနစ်တကျ ကိုင်တွယ်နိုင်သောကြောင့် ပြဿနာများကို စီစဉ်ရန်အတွက် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ အကောင်းဆုံး လက်အောက်ခံဖွဲ့စည်းပုံနှင့် ထပ်နေသော လက်အောက်ခံပြဿနာများကို အသုံးပြုခြင်းဖြင့် DP သည် ထုတ်လုပ်မှု၊ ထောက်ပံ့ပို့ဆောင်ရေး၊ အချိန်ဇယားဆွဲခြင်း၊ ဘတ်ဂျက်ခွဲဝေခြင်းနှင့် ဘဏ္ဍာရေးစီမံကိန်းရေးဆွဲခြင်းအတွက်ပင် အကောင်းဆုံးအစီအစဉ်များကို ထုတ်ပေးနိုင်သည်။ ကြီးမားသော ပြည်နယ်အတိုင်းအတာများတွင် ကန့်သတ်ချက်များရှိသော်လည်း၊ ခန့်မှန်းခြေ DP နှင့် အခြားနည်းစနစ်များနှင့် ပေါင်းစပ်ခြင်းကဲ့သို့သော ခေတ်မီချဉ်းကပ်မှုများသည် ယနေ့ခေတ်ဒေတာနှင့် ကွန်ပျူတာခေတ်တွင် ၎င်းကို သက်ဆိုင်မှုရှိပြီး အရေးပါလာစေသည်။

DP ၏ အခြေခံများနှင့် စီမံကိန်းရေးဆွဲခြင်းပြဿနာများကို အခြေအနေများနှင့် ဆုံးဖြတ်ချက်များအဖြစ် မည်သို့ပုံစံထုတ်ရမည်ကို နားလည်ခြင်းဖြင့် အဖွဲ့အစည်းများနှင့် လူပုဂ္ဂိုလ်များသည် ၎င်းတို့၏ ဆုံးဖြတ်ချက်များ၏ အရည်အသွေးကို မြှင့်တင်နိုင်သည်- ၎င်းတို့သည် ပိုမိုထိရောက်မှု၊ ပိုမိုတိုင်းတာနိုင်မှု နှင့် ပိုမိုပစ်မှတ်ထားနိုင်မှုတို့ ဖြစ်လာလိမ့်မည်။