Vietinės paieškos algoritmas yra būdas rasti geriausią sprendimą šalia esamos būsenos. Šis metodas dažnai naudojamas apytiksliems sprendimams patikslinti, pakartotinai modifikuojant atskirus komponentus, siekiant atrasti geresnes būsenas.
Kaip tai veikia
- Inicijavimas: pradėkite nuo pradinės būsenos.
- Generuoti kaimynus: generuokite kaimynines būsenas pakeisdami dabartinės būsenos komponentą.
- Įvertinimas: Įvertinkite kaimyninių valstybių kokybę naudodami objektyvią funkciją.
- Pasirinkite geriausią valstiją: pasirinkite kaimyninę valstybę, kurios objektyvi vertė yra geriausia.
- Pakartokite: kartokite 2–4 veiksmus, kol nerasite geresnės kaimyninės būsenos.
Pavyzdys: Fibonacci funkcijos optimizavimas
Apsvarstykite funkcijos F(x) = F(x-1) + F(x-2) optimizavimo uždavinį Fibonacci, kai F(0) = 0, F(1) = 1. Norime rasti x reikšmę, kuriai F(x) yra maksimalus. Galime naudoti vietinės paieškos metodą, norėdami pakartotinai tyrinėti toliau nuo kiekvieno veiksmo.
Kodo pavyzdys C++
#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;
}
Šiame pavyzdyje funkcijai optimizuoti naudojame vietinės paieškos metodą Fibonacci. Pakartojame skirtingas x reikšmes ir apskaičiuojame Fibonacci kiekvieno x reikšmę. Kai randama geresnė reikšmė, atnaujiname geriausią vertę ir ją atitinkančią x.