مقارنة الخوارزميات الجشعة والقوة المفرطة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

Comparing the Algorithms مقارنة الخوارزميات

بعد أن تم توضيح ميزة السرعة لخوارزمية الحل الاستدلالية الجشعة، تتمثل الخطوة التالية في التحقق من جودة الحلول التي تنتجها. حيث تقبل الدالة التالية الحلول التي أنتجتها الخوارزمية الجشعة وخوارزمية القوة المفرطة على نفس مجموعة نسخ المشكلات، ثم تبين النسب المئوية للنسخ التي تقوم كلتا الخوارزميتين بذكر الحل الأمثل لها (الفريق الأقل عددًا):

def compare(brute_solutions,greedy_solutions): total_solved = 0 same_size = 0 for i in range(len(brute_solutions)): if brute_solutions[i] != None: # if a solution was found total_solved += 1 # if the solvers reported a solution of the same size if len(brute_solutions[i]) == len(greedy_solutions[i]): same_size += 1 return round(same_size / total_solved, 2)

يمكن الآن استخدام الدالة ()compare لمقارنة فاعلية الخوارزميتين المطبقتين على: الخمسة عمال، والعشرة عمال، والخمسة عشر عاملاً، والعشرين عاملاً.

print(compare(brute_solutions_5,greedy_solutions_5)) print(compare(brute_solutions_10,greedy_solutions_10)) print(compare(brute_solutions_15,greedy_solutions_15)) print(compare(brute_solutions_20,greedy_solutions_20))

1.0 0.82 0.88 0.85

توضح النتائج أن الخوارزمية الاستدلالية الجشعة يمكنها أن تجد باستمرار الحل الأمثل لحوالي 80% أو أكثر من كل نسخ المشكلات القابلة للحل. وفي الواقع، يمكن التحقق بسهولة من أن حجم الفريق الذي تنتجه الخوارزمية الاستدلالية الجشعة حتى في النسخ التي تفشل في إيجاد الحلول المثلى لها يكون قريبًا جدًا من حجم أفضل فريق ممكن.

إذا تمت إضافة ذلك إلى ميزة السرعة الهائلة، تجد أن الخوارزمية الاستدلالية خيار عملي أكثر للتطبيقات الواقعية. وستكتشف في الدرس التالي تقنيات تحسين أكثر ذكاءً، وستتعرف على كيفية تطبيقها على مشكلات مختلفة.

وزارة التعليم 263 Ministry of Education 2025 - 1447

Comparing the Algorithms مقارنة الخوارزميات بعد أن تم توضيح ميزة السرعة لخوارزمية الحل الاستدلالية الجشعة، تتمثل الخطوة التالية في التحقق من جودة الحلول التي تنتجها. حيث تقبل الدالة التالية الحلول التي أنتجتها الخوارزمية الجشعة وخوارزمية القوة المفرطة على نفس مجموعة نسخ المشكلات، ثم تبين النسب المئوية للنسخ التي تقوم كلتا الخوارزميتين بذكر الحل الأمثل لها (الفريق الأقل عددًا):--- SECTION: دالة مقارنة الحلول --- def compare(brute_solutions,greedy_solutions): total_solved = 0 same_size = 0for i in range(len(brute_solutions)):if brute_solutions[i] != None: # if a solution was found total_solved += 1# if the solvers reported a solution of the same size if len(brute_solutions[i]) == len(greedy_solutions[i]): same_size += 1return round(same_size / total_solved, 2)يمكن الآن استخدام الدالة ()compare لمقارنة فاعلية الخوارزميتين المطبقتين على: الخمسة عمال، والعشرة عمال، والخمسة عشر عاملاً، والعشرين عاملاً.--- SECTION: استدعاءات دالة المقارنة --- print(compare(brute_solutions_5,greedy_solutions_5)) print(compare(brute_solutions_10,greedy_solutions_10)) print(compare(brute_solutions_15,greedy_solutions_15)) print(compare(brute_solutions_20,greedy_solutions_20))1.0 0.82 0.88 0.85توضح النتائج أن الخوارزمية الاستدلالية الجشعة يمكنها أن تجد باستمرار الحل الأمثل لحوالي 80% أو أكثر من كل نسخ المشكلات القابلة للحل. وفي الواقع، يمكن التحقق بسهولة من أن حجم الفريق الذي تنتجه الخوارزمية الاستدلالية الجشعة حتى في النسخ التي تفشل في إيجاد الحلول المثلى لها يكون قريبًا جدًا من حجم أفضل فريق ممكن.إذا تمت إضافة ذلك إلى ميزة السرعة الهائلة، تجد أن الخوارزمية الاستدلالية خيار عملي أكثر للتطبيقات الواقعية. وستكتشف في الدرس التالي تقنيات تحسين أكثر ذكاءً، وستتعرف على كيفية تطبيقها على مشكلات مختلفة.2025 - 1447--- VISUAL CONTEXT --- **FIGURE**: دالة مقارنة الحلول Description: Python code defining a function named `compare` that takes `brute_solutions` and `greedy_solutions` as input. It initializes `total_solved` and `same_size` to 0. It then iterates through the `brute_solutions`. If a brute-force solution exists for a problem (not None), `total_solved` is incremented. It then checks if the length of the brute-force solution is equal to the length of the greedy solution for that problem, incrementing `same_size` if they are equal. Finally, it returns the ratio of `same_size` to `total_solved`, rounded to two decimal places. Comments in the code explain the logic. Context: This code block provides the implementation of the comparison logic discussed in the preceding text, allowing for a quantitative evaluation of the effectiveness of the greedy algorithm against the brute-force algorithm.**FIGURE**: استدعاءات دالة المقارنة Description: Python code showing four `print` statements, each calling the `compare` function with different pairs of solution lists: `(brute_solutions_5, greedy_solutions_5)`, `(brute_solutions_10, greedy_solutions_10)`, `(brute_solutions_15, greedy_solutions_15)`, and `(brute_solutions_20, greedy_solutions_20)`. These likely represent comparisons for problem instances of varying sizes (e.g., 5, 10, 15, and 20 workers/items as mentioned in the text). Context: These function calls demonstrate how the `compare` function is used to evaluate the algorithms for different problem scales, leading to the numerical results shown subsequently.Key Values: 263, 2025 - 1447 Context: This is a standard footer element indicating the publishing authority or educational institution.