ஹூரிஸ்டிக் தேடல் அல்காரிதம் Java

ஹியூரிஸ்டிக் தேடல் அல்காரிதம் என்பது நிரலாக்கத்தில் ஒரு அறிவார்ந்த தேடல் முறையாகும், Java இது தேடல் செயல்முறையை வழிநடத்த மதிப்பிடப்பட்ட தகவலை(அறிவு) பயன்படுத்துகிறது. Heuristics பிரச்சனையின் தற்போதைய நிலையைப் பற்றிய அபூரண அறிவு மற்றும் மதிப்பிடப்பட்ட தகவலின் அடிப்படையில் சிக்கலைத் தீர்க்கும் தோராயமான முறையாகும்.

ஹூரிஸ்டிக் தேடல் அல்காரிதம் எவ்வாறு செயல்படுகிறது

ஹியூரிஸ்டிக் தேடல் அல்காரிதம், இலக்கிற்கு ஒரு மாநிலத்தின் "நெருக்கத்தை" மதிப்பிடுவதற்கு ஹூரிஸ்டிக் செயல்பாடுகளைப் பயன்படுத்துகிறது. ஒவ்வொரு தேடல் மறு செய்கையின் போதும், அல்காரிதம் சாத்தியமான நிலைகளின் ஹூரிஸ்டிக் மதிப்புகளின் அடிப்படையில் ஒரு தேடல் திசையைத் தேர்ந்தெடுக்கிறது. ஹூரிஸ்டிக் மதிப்பை மேம்படுத்துவதே குறிக்கோள், இது சிக்கலுக்கான தோராயமான தீர்வுக்கு வழிவகுக்கும்.

ஹியூரிஸ்டிக் தேடல் அல்காரிதத்தின் நன்மைகள் மற்றும் தீமைகள்

நன்மைகள்:

• புத்திசாலித்தனமான தேடல்: அல்காரிதம் தேடலுக்கு வழிகாட்ட, நேரத்தையும் வளங்களையும் மேம்படுத்துவதற்கு மதிப்பிடப்பட்ட அறிவைப் பயன்படுத்துகிறது.
• பரவலான பொருந்தக்கூடிய தன்மை: Heuristics நிஜ உலகக் காட்சிகளில் பல்வேறு தேர்வுமுறை மற்றும் தேடல் சிக்கல்களுக்குப் பயன்படுத்தலாம்.

தீமைகள்:

• சாத்தியமான துல்லியமின்மை: Heuristics மதிப்பீட்டை நம்புதல் மற்றும் துல்லியமற்ற தகவல், இதன் விளைவாக அபூரண தீர்வுகள் கிடைக்கும்.

எடுத்துக்காட்டு மற்றும் விளக்கம்

ஹூரிஸ்டிக் தேடல் அல்காரிதத்தின் பொதுவான உதாரணம் A* அல்காரிதம் ஆகும், இது வரைபடத்தில் மிகக் குறுகிய பாதையைக் கண்டறியப் பயன்படுகிறது. இந்த அல்காரிதம் எவ்வாறு செயல்படுகிறது என்பதைப் பார்ப்போம்:

import java.util.*;  
  
class Node {  
    int x, y;  
    int cost, heuristic;  
  
    Node(int x, int y, int cost, int heuristic) {  
        this.x = x;  
        this.y = y;  
        this.cost = cost;  
        this.heuristic = heuristic;  
    }  
}  
  
public class HeuristicSearchExample {  
    static int heuristic(int x, int y, int targetX, int targetY) {  
        return Math.abs(targetX- x) + Math.abs(targetY- y);  
    }  
  
    static void heuristicSearch(int[][] grid, int startX, int startY, int targetX, int targetY) {  
        PriorityQueue<Node> pq = new PriorityQueue<>((a, b) ->(a.cost + a.heuristic)-(b.cost + b.heuristic));  
        pq.offer(new Node(startX, startY, 0, heuristic(startX, startY, targetX, targetY)));  
  
        while(!pq.isEmpty()) {  
            Node current = pq.poll();  
            int x = current.x;  
            int y = current.y;  
  
            if(x == targetX && y == targetY) {  
                System.out.println("Found target at(" + x + ", " + y + ")");  
                return;  
            }  
  
            // Explore neighboring nodes and add to the priority queue  
            // based on total cost and heuristic  
            // ...  
        }  
    }  
}  

மேலே உள்ள எடுத்துக்காட்டில், வரைபடத்தில் குறுகிய பாதையைக் கண்டறிய A* அல்காரிதத்தைப் பயன்படுத்துகிறோம். தற்போதைய முனையின் மொத்த செலவு மற்றும் ஹூரிஸ்டிக் மதிப்பீட்டின் அடிப்படையில் அண்டை முனைகள் ஆராயப்படுகின்றன. இதன் விளைவாக, தொடக்கப் புள்ளியிலிருந்து இலக்குப் புள்ளிக்கு மிகக் குறுகிய பாதையைக் கண்டறிவது.