خوارزمية Cloud Search (Cloud Search) في C ++- شرح ومثال ورمز

تعد خوارزمية Cloud Search إحدى طرق البحث التي تتضمن إنشاء مجموعة كبيرة من الحلول العشوائية ، والتي يشار إليها غالبًا باسم "السحابة" ، ثم البحث عن أفضل الحلول ضمن هذه المجموعة. يستخدم هذا النهج بشكل شائع لإيجاد حلول تقريبية للمشاكل المعقدة عند عدم توفر إرشادات محددة.

كيف تعمل

1. تهيئة السحابة: قم بإنشاء مجموعة كبيرة من الحلول العشوائية(السحابة).
2. التقييم: قم بتقييم جودة كل حل في السحابة بناءً على الوظيفة الموضوعية أو معايير التقييم.
3. التحديد: حدد مجموعة فرعية من أفضل الحلول من السحابة بناءً على الاحتمالات أو معايير الاختيار.
4. التحسين: قم بتحسين جودة الحلول في السحابة من خلال تطبيق عمليات التحويل أو التحسينات.
5. التكرار: كرر الخطوات من 2 إلى 4 حتى يتم تحقيق نتيجة مرضية أو الوصول إلى عدد محدد مسبقًا من التكرارات.

مثال: Cloud Search لمشكلة بائع متجول

ضع في اعتبارك مشكلة البائع المتجول(TSP) ، حيث يتمثل الهدف في العثور على أقصر دورة هاميلتونية تزور جميع المدن. يمكن لطريقة Cloud Search إنشاء عدد كبير من دورات هاميلتونية العشوائية ، ثم تحديد الدورة بأقل تكلفة.

مثال رمز في C ++

#include <iostream>  
#include <vector>  
#include <algorithm>  
#include <ctime>  
#include <cstdlib>  
  
struct City {  
    int x;  
    int y;  
};  
  
double calculateDistance(const City& city1, const City& city2) {  
    return std::sqrt((city1.x- city2.x)*(city1.x- city2.x) +(city1.y- city2.y)*(city1.y- city2.y));  
}  
  
double cloudSearchTSP(std::vector<City>& cities, int maxIterations) {  
    int numCities = cities.size();  
    double bestDistance = std::numeric_limits<double>::max();  
  
    srand(time(0));  
  
    for(int i = 0; i < maxIterations; ++i) {  
        std::random_shuffle(cities.begin(), cities.end());  
  
        double totalDistance = 0.0;  
        for(int j = 0; j < numCities- 1; ++j) {  
            totalDistance += calculateDistance(cities[j], cities[j + 1]);  
        }  
        totalDistance += calculateDistance(cities[numCities- 1], cities[0]);  
  
        bestDistance = std::min(bestDistance, totalDistance);  
    }  
  
    return bestDistance;  
}  
  
int main() {  
    std::vector<City> cities = {{0, 0}, {1, 2}, {3, 1}, {4, 3}, {2, 4}};  
    int maxIterations = 1000;  
    double shortestDistance = cloudSearchTSP(cities, maxIterations);  
  
    std::cout << "Shortest distance in TSP: " << shortestDistance << std::endl;  
  
    return 0;  
}  

في هذا المثال ، نستخدم طريقة Cloud Search لحل TSP. نقوم بتوليد عدد كبير من دورات هاميلتونية العشوائية عن طريق خلط المدن عشوائيًا ، ثم حساب التكلفة لكل دورة واختيار الدورة بأقل تكلفة.