Passo 1 — Definir os produtos
Vamos criar uma classe Produto com os atributos: nome, categoria e probabilidade_de_conversao.
class Produto:
def init(self, nome, categoria, probabilidade_de_conversao):
self.nome = nome
self.categoria = categoria
self.probabilidade = probabilidade_de_conversao
def __repr__(self):
return f"{self.nome} ({self.categoria}, {self.probabilidade})"
Passo 2 — Criar o sistema de recomendação
Para simplificar, cada produto está conectado a todos os outros.
O AStarRecommendation vai armazenar os produtos e calcular o "melhor caminho" usando A*.
import heapq
class AStarRecommendation:
def init(self):
self.produtos = []
def adicionar_produto(self, produto):
self.produtos.append(produto)
# Heurística: quanto maior a probabilidade, melhor
def heuristica(self, produto):
# Negativo porque o A* geralmente minimiza custo, então transformamos
# probabilidade em "custo" invertido
return -produto.probabilidade
# Algoritmo A*
def encontrar_melhor_caminho(self, inicio, objetivo):
# Fila de prioridade: (custo estimado total, custo até aqui, produto, caminho)
fila = [(self.heuristica(inicio), 0, inicio, [inicio])]
visitados = set()
while fila:
custo_total, custo_atual, produto_atual, caminho = heapq.heappop(fila)
if produto_atual == objetivo:
return caminho
if produto_atual in visitados:
continue
visitados.add(produto_atual)
# Conecta com todos os outros produtos
for proximo in self.produtos:
if proximo not in visitados:
custo = custo_atual + 1 # Cada ligação tem "custo 1"
estimativa = custo + self.heuristica(proximo)
heapq.heappush(fila, (estimativa, custo, proximo, caminho + [proximo]))
return None # Caso não ache caminho
Passo 3 — Testar o sistema
Agora vamos criar alguns produtos e encontrar o melhor caminho entre eles:
Criar produtos
p1 = Produto("Notebook", "Eletrônicos", 0.7)
p2 = Produto("Mouse", "Eletrônicos", 0.5)
p3 = Produto("Teclado", "Eletrônicos", 0.6)
p4 = Produto("Cadeira Gamer", "Móveis", 0.4)
p5 = Produto("Monitor", "Eletrônicos", 0.8)
Criar recomendador e adicionar produtos
recomendador = AStarRecommendation()
for p in [p1, p2, p3, p4, p5]:
recomendador.adicionar_produto(p)
Encontrar melhor caminho de Notebook até Monitor
caminho = recomendador.encontrar_melhor_caminho(p1, p5)
print("Melhor caminho encontrado:")
for produto in caminho:
print(produto)
Explicação rápida
Cada produto é um nó do grafo.
Todos os produtos estão conectados entre si (grafo completo).
A heurística usa a probabilidade de conversão: maior probabilidade = melhor caminho.
O A* encontra o caminho que maximiza a probabilidade de conversão entre dois produtos, tratando o negativo como "custo mínimo".
