import heapq
class Producto:
def init(self, nombre, categoria, probabilidad_conversion):
self.nombre = nombre
self.categoria = categoria
self.probabilidad_conversion = probabilidad_conversion
def __repr__(self):
return f"{self.nombre} ({self.categoria})"
class AStarRecommendation:
def init(self, productos, heuristica):
self.productos = productos
self.heuristica = heuristica
self.grafo = self.crear_grafo()
def crear_grafo(self):
grafo = {}
for producto in self.productos:
grafo[producto] = [p for p in self.productos if p != producto]
return grafo
def a_star(self, inicio, objetivo):
fila_prioridad = []
heapq.heappush(fila_prioridad, (0 + self.heuristica(inicio), 0, inicio)) # f = g + h
visitados = set()
caminos = {}
while fila_prioridad:
_, g, actual = heapq.heappop(fila_prioridad)
if actual in visitados:
continue
visitados.add(actual)
if actual == objetivo:
break
for vecino in self.grafo[actual]:
if vecino not in visitados:
h = self.heuristica(vecino)
heapq.heappush(fila_prioridad, (g + 1 + h, g + 1, vecino)) # g es el costo acumulado
caminos[vecino] = actual
# Recuperando el camino
camino = []
producto = objetivo
while producto in caminos:
camino.insert(0, producto)
producto = caminos[producto]
return camino
def heuristica(producto):
return -producto.probabilidad_conversion
productos = [
Producto("Celular", "Categoría 1", 0.9),
Producto("Computadora", "Categoría 1", 0.8),
Producto("Tableta", "Categoría 2", 0.7),
Producto("Audifonos", "Categoría 2", 0.6),
]
recomendador = AStarRecommendation(productos, heuristica)
inicio = productos[0]
objetivo = productos[2]
camino_recomendado = recomendador.a_star(inicio, objetivo)
print("Camino recomendado:")
for p in camino_recomendado:
print(p)
