ლოკალური ძიების ალგორითმი არის მეთოდი საუკეთესო გადაწყვეტის მოსაძებნად მიმდინარე მდგომარეობის სიახლოვეს. ეს ტექნიკა ხშირად გამოიყენება მიახლოებითი გადაწყვეტილებების გასაუმჯობესებლად ცალკეული კომპონენტების განმეორებითი შეცვლით უკეთესი მდგომარეობების აღმოსაჩენად.
Როგორ მუშაობს
- ინიციალიზაცია: დაიწყეთ საწყისი მდგომარეობით.
- მეზობლების გენერირება: გენერირება მეზობელი სახელმწიფოების მიმდინარე მდგომარეობის კომპონენტის შეცვლით.
- შეფასება: შეაფასეთ მეზობელი სახელმწიფოების ხარისხი ობიექტური ფუნქციის გამოყენებით.
- აირჩიეთ საუკეთესო მდგომარეობა: აირჩიეთ მეზობელი სახელმწიფო საუკეთესო ობიექტური მნიშვნელობით.
- გაიმეორეთ: გაიმეორეთ ნაბიჯები 2-დან 4-მდე, სანამ უკეთესი მეზობელი სახელმწიფო ვერ მოიძებნება.
მაგალითი: Fibonacci ფუნქციის ოპტიმიზაცია
განვიხილოთ F(x) = F(x-1) + F(x-2) ფუნქციის ოპტიმიზაციის ამოცანა Fibonacci F(0) = 0, F(1) = 1. ჩვენ გვინდა ვიპოვოთ x-ის მნიშვნელობა, რომლისთვისაც F(x) არის მაქსიმალური. ჩვენ შეგვიძლია გამოვიყენოთ ლოკალური ძიების მიდგომა ყოველი ნაბიჯიდან უფრო შორს განმეორებით შესასწავლად.
კოდის მაგალითი C++-ში
ამ მაგალითში, ჩვენ ვიყენებთ ლოკალური ძიების მეთოდს ფუნქციის ოპტიმიზაციისთვის Fibonacci. ჩვენ ვიმეორებთ x-ის სხვადასხვა მნიშვნელობებს და ვიანგარიშებთ Fibonacci მნიშვნელობას თითოეულ x-ზე. როდესაც უკეთესი მნიშვნელობა აღმოჩნდება, ჩვენ ვაახლებთ საუკეთესო მნიშვნელობას და მის შესაბამის x-ს.