Cloud Search (Cloud Search) algoritmus C++ nyelven – magyarázat, példa és kód

A Cloud Search algoritmus egy olyan keresési módszer, amely véletlenszerű megoldások nagy halmazának létrehozását foglalja magában, amelyeket gyakran „felhőnek” is neveznek, majd megkeresik a legjobb megoldásokat ezen a halmazon belül. Ezt a megközelítést általában arra használják, hogy hozzávetőleges megoldásokat találjanak összetett problémákra, amikor nem áll rendelkezésre konkrét útmutatás.

Hogyan működik

1. Felhő inicializálása: Véletlenszerű megoldások nagy halmazának létrehozása(a felhő).
2. Értékelés: Értékelje a felhőben található egyes megoldások minőségét a célfüggvény vagy az értékelési kritériumok alapján.
3. Kiválasztás: a valószínűségek vagy kiválasztási kritériumok alapján válassza ki a legjobb megoldások egy részét a felhőből.
4. Javítás: Javítsa a megoldások minőségét a felhőben átalakítások vagy optimalizálások alkalmazásával.
5. Iteráció: Ismételje meg a 2–4. lépéseket mindaddig, amíg el nem éri a kielégítő eredményt, vagy el nem éri az előre meghatározott számú iterációt.

Példa: Cloud Search az utazó értékesítő problémájára

Vegyük fontolóra az utazó értékesítő problémát(TSP), ahol a cél az, hogy megtaláljuk a legrövidebb hamiltoni ciklust, amely minden várost meglátogat. A Cloud Search módszerrel nagyszámú véletlenszerű Hamilton-ciklus generálható, majd kiválaszthatja a legalacsonyabb költségű ciklust.

Kódpélda C++ nyelven

#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;  
}  

Ebben a példában a Cloud Search módszert használjuk a TSP megoldására. A városok véletlenszerű összekeverésével nagyszámú véletlenszerű Hamilton-ciklust generálunk, majd kiszámítjuk minden ciklus költségét, és kiválasztjuk a legalacsonyabb költségű ciklust.