Algorytm Cloud Search (Cloud Search) w C++ — wyjaśnienie, przykład i kod

Algorytm Cloud Search to metoda wyszukiwania polegająca na generowaniu dużego zestawu losowych rozwiązań, często określanych jako „chmura”, a następnie wyszukiwaniu najlepszych rozwiązań w ramach tego zbioru. Podejście to jest powszechnie stosowane do znajdowania przybliżonych rozwiązań złożonych problemów, gdy nie są dostępne żadne konkretne wskazówki.

Jak to działa

1. Inicjalizacja chmury: Utwórz duży zestaw losowych rozwiązań(chmura).
2. Ocena: Oceń jakość każdego rozwiązania w chmurze na podstawie funkcji celu lub kryteriów oceny.
3. Wybór: Wybierz podzbiór najlepszych rozwiązań z chmury na podstawie prawdopodobieństw lub kryteriów wyboru.
4. Usprawnianie: Popraw jakość rozwiązań w chmurze, stosując transformacje lub optymalizacje.
5. Iteracja: Powtarzaj kroki od 2 do 4, aż do uzyskania zadowalającego wyniku lub osiągnięcia określonej liczby iteracji.

Przykład: wyszukiwanie w chmurze problemu komiwojażera

Rozważ problem komiwojażera(TSP), w którym celem jest znalezienie najkrótszego cyklu Hamiltona, który odwiedza wszystkie miasta. Metoda Cloud Search może wygenerować dużą liczbę losowych cykli Hamiltona, a następnie wybrać cykl o najniższym koszcie.

Przykład kodu w C++

#include <iostream>  
#include <vector>  
#include <algorithm>  
#include <ctime>  
#include <cstdlib>  
  
struct City {  
    int x;  
    int y;  
};  
  
double calculateDistance(const City& city1, const City& city2) {  
    return std::sqrt((city1.x- city2.x)*(city1.x- city2.x) +(city1.y- city2.y)*(city1.y- city2.y));  
}  
  
double cloudSearchTSP(std::vector<City>& cities, int maxIterations) {  
    int numCities = cities.size();  
    double bestDistance = std::numeric_limits<double>::max();  
  
    srand(time(0));  
  
    for(int i = 0; i < maxIterations; ++i) {  
        std::random_shuffle(cities.begin(), cities.end());  
  
        double totalDistance = 0.0;  
        for(int j = 0; j < numCities- 1; ++j) {  
            totalDistance += calculateDistance(cities[j], cities[j + 1]);  
        }  
        totalDistance += calculateDistance(cities[numCities- 1], cities[0]);  
  
        bestDistance = std::min(bestDistance, totalDistance);  
    }  
  
    return bestDistance;  
}  
  
int main() {  
    std::vector<City> cities = {{0, 0}, {1, 2}, {3, 1}, {4, 3}, {2, 4}};  
    int maxIterations = 1000;  
    double shortestDistance = cloudSearchTSP(cities, maxIterations);  
  
    std::cout << "Shortest distance in TSP: " << shortestDistance << std::endl;  
  
    return 0;  
}  

W tym przykładzie używamy metody Cloud Search do rozwiązania TSP. Generujemy dużą liczbę losowych cykli hamiltonowskich, losowo tasując miasta, a następnie obliczamy koszt każdego cyklu i wybieramy cykl o najniższym koszcie.