A Helyi keresési algoritmus egy módszer a legjobb megoldás megtalálására az aktuális állapot közelében. Ezt a technikát gyakran használják közelítő megoldások finomításához az egyes komponensek iteratív módosításával, hogy jobb állapotokat fedezzenek fel.
Hogyan működik
- Inicializálás: Kezdje egy kezdeti állapottal.
- Szomszédok létrehozása: Szomszédos állapotok létrehozása az aktuális állapot egy összetevőjének megváltoztatásával.
- Értékelés: A szomszédos államok minőségének értékelése célfüggvény segítségével.
- A legjobb állapot kiválasztása: Válassza ki a szomszédos államot a legjobb objektív értékkel.
- Ismételje meg: Ismételje meg a 2–4. lépéseket, amíg nem talál jobb szomszédos állapotot.
Példa: A Fibonacci funkció optimalizálása
Tekintsük az F(x) = F(x-1) + F(x-2) függvény optimalizálási problémáját, Fibonacci ahol F(0) = 0, F(1) = 1. Meg akarjuk találni az x értékét, amelyre F(x) maximalizált. Használhatjuk a Helyi keresés megközelítést, hogy iteratív módon minden lépéstől távolabbra tekintsünk.
Kódpélda C++ nyelven
#include <iostream>
int fibonacci(int n) {
if(n <= 0) return 0;
if(n == 1) return 1;
return fibonacci(n- 1) + fibonacci(n- 2);
}
int localSearchFibonacci(int maxIterations) {
int bestX = 0;
int bestValue = 0;
for(int x = 0; x < maxIterations; ++x) {
int value = fibonacci(x);
if(value > bestValue) {
bestValue = value;
bestX = x;
}
}
return bestX;
}
int main() {
int maxIterations = 20;
int result = localSearchFibonacci(maxIterations);
std::cout << "Optimal x for maximum Fibonacci value: " << result << std::endl;
return 0;
}
Ebben a példában a helyi keresés módszerét használjuk a Fibonacci funkció optimalizálására. Megismételjük x különböző értékeit, és Fibonacci minden x-nél kiszámítjuk az értéket. Ha jobb értéket találunk, frissítjük a legjobb értéket és a hozzá tartozó x-et.