Heuristic Søkealgoritme i C++- Forklaring, eksempel og kode

Heuristic Søk er en kraftig algoritmisk tilnærming som brukes til å finne løsninger i komplekse problemområder ved å ta informerte beslutninger basert på heuristikk eller tommelfingerregler. Det er spesielt nyttig når et uttømmende søk er upraktisk på grunn av den store søkeplassen.

Hvordan det fungerer

1. Heuristic Evaluering: Algoritmen evaluerer hver tilstand i problemrommet ved hjelp av en heuristic funksjon. Denne funksjonen estimerer "lovendeheten" til hver stat når det gjelder dens nærhet til måltilstanden.
2. Søkestrategi: Algoritmen velger den mest lovende staten basert på evalueringen heuristic. Den bruker en søkestrategi som Best-First Søk, A* Søk eller Greedy Søk.
3. Tilstandsutvidelse: Den valgte tilstanden utvides ved å generere dens nabotilstander. Dette er potensielle kandidater til neste trinn.
4. Gjenta: Prosessen gjentas iterativt, og tilstander velges og utvides til måltilstanden er funnet eller en avslutningsbetingelse er oppfylt.

Eksempel: Traveling Salesman Problem(TSP)

Tenk på Traveling Salesman-problemet, der en selger må besøke et sett med byer og gå tilbake til startbyen mens han minimerer den totale tilbakelagte distansen. En heuristic tilnærming kan være algoritmen for nærmeste nabo:

1. Start i en tilfeldig by.
2. På hvert trinn velger du den nærmeste ubesøkte byen som neste destinasjon.
3. Gjenta til alle byene er besøkt, og gå deretter tilbake til startbyen.

Kodeeksempel i C++

#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;  
}  

I dette eksemplet brukes Nearest Neighbor Algorithm for å løse Traveling Salesman-problemet. Det er en heuristic tilnærming som velger den nærmeste ubesøkte byen på hvert trinn, noe som resulterer i en løsning som ofte er nær optimal.