Heuristic Keresési algoritmus C++ nyelven – magyarázat, példa és kód

Heuristic A keresés egy hatékony algoritmikus megközelítés, amellyel megoldásokat találhatunk összetett problématerekben, heurisztika vagy hüvelykujjszabályok alapján megalapozott döntések meghozatalával. Különösen akkor hasznos, ha a kimerítő keresés nem praktikus a nagy keresési terület miatt.

Hogyan működik

1. Heuristic Kiértékelés: Az algoritmus egy függvény segítségével kiértékeli a problématér minden állapotát heuristic. Ez a függvény megbecsüli az egyes állapotok "ígéretességét" a célállapothoz való közelsége szempontjából.
2. Keresési stratégia: Az algoritmus az értékelés alapján kiválasztja a legígéretesebb állapotot heuristic. Olyan keresési stratégiát használ, mint Best-First a Keresés, A* keresés vagy Greedy Keresés.
3. Állapotkiterjesztés: A kiválasztott állapot a szomszédos állapotok generálásával bővül. Ezek potenciális jelöltek a következő lépésre.
4. Ismétlés: A folyamat iteratív módon ismétlődik, kiválasztva és kibontva az állapotokat, amíg meg nem találjuk a célállapotot, vagy nem teljesül a befejezési feltétel.

Példa: Utazó értékesítői probléma(TSP)

Vegyük fontolóra az utazó értékesítő problémát, ahol az eladónak egy sor várost meg kell látogatnia, és vissza kell térnie a kiinduló városba, miközben minimálisra csökkenti a teljes megtett távolságot. Megközelítés heuristic lehet a Nearest Neighbor Algorithm:

1. Kezdje egy véletlenszerű városban.
2. Minden lépésnél válassza ki a legközelebbi nem látogatott várost következő úti célként.
3. Ismételje addig, amíg az összes várost meg nem látogatja, majd térjen vissza a kiinduló városba.

Kódpélda C++ nyelven

#include <iostream>  
#include <vector>  
#include <cmath>  
#include <algorithm>  
  
struct City {  
    int x, y;  
};  
  
double distance(const City& city1, const City& city2) {  
    return std::sqrt(std::pow(city1.x- city2.x, 2) + std::pow(city1.y- city2.y, 2));  
}  
  
std::vector<int> nearestNeighbor(const std::vector<City>& cities) {  
    int numCities = cities.size();  
    std::vector<int> path(numCities);  
    std::vector<bool> visited(numCities, false);  
  
    path[0] = 0;  
    visited[0] = true;  
  
    for(int i = 1; i < numCities; ++i) {  
        int currentCity = path[i- 1];  
        double minDist = std::numeric_limits<double>::max();  
        int nextCity = -1;  
  
        for(int j = 0; j < numCities; ++j) {  
            if(!visited[j]) {  
                double dist = distance(cities[currentCity], cities[j]);  
                if(dist < minDist) {  
                    minDist = dist;  
                    nextCity = j;  
                }  
            }  
        }  
  
        path[i] = nextCity;  
        visited[nextCity] = true;  
    }  
  
    path.push_back(0); // Return to the starting city  
    return path;  
}  
  
int main() {  
    std::vector<City> cities = {{0, 0}, {1, 3}, {4, 2}, {3, 6}, {7, 1}};  
    std::vector<int> path = nearestNeighbor(cities);  
  
    std::cout << "Traveling Salesman Path: ";  
    for(int city: path) {  
        std::cout << city << ";  
    }  
    std::cout << std::endl;  
  
    return 0;  
}  

Ebben a példában a legközelebbi szomszéd algoritmust használjuk az utazó értékesítő probléma megoldására. Ez egy olyan heuristic megközelítés, amely minden lépésnél kiválasztja a legközelebbi meg nem látogatott várost, ami gyakran az optimálishoz közeli megoldást eredményez.