味来已至：基于人工智能的智能外卖推荐与购买系统设计与实现

最新推荐文章于 2025-07-23 22:43:34 发布

羑悻的小杀马特.

最新推荐文章于 2025-07-23 22:43:34 发布

阅读量1.8k

点赞数 79

CC 4.0 BY-SA版权

文章标签：人工智能 AI实现 C++ 算法智能系统

本文链接：https://blog.csdn.net/2401_82648291/article/details/149131176

#代码星辉·七月创作之星挑战赛#

一、简介 📦✨

本项目是一个使用 C++语言 实现的 AI驱动外卖推荐与购买助手系统。它模拟了一个简单的外卖平台，用户可以根据自己的历史订单获得推荐，并完成下单操作。

🧩 技术栈：

技术	说明
编程语言	C++
推荐算法	协同过滤
数据结构	`map`、`vector`、`struct`
开发环境	VS Code

二、系统功能模块划分 🔄

三、核心代码详解 💻

所有代码都进行了详细注释，帮助你理解每个部分的功能。

🔹 1. 菜品与用户结构体定义 📦

#include <iostream>
#include <vector>
#include <map>
#include <string>

using namespace std;

// 菜品结构体：表示一个菜品的基本信息
struct Dish {
    int id;         // 菜品ID
    string name;    // 菜品名称
    double price;   // 菜品价格
};

// 用户结构体：表示一个用户的评分记录
struct User {
    int id;                     // 用户ID
    map<int, double> ratings;   // key:菜品ID，value:评分（0~5）
};

✅ 作用说明：

使用 struct 定义了两个基本的数据结构。
Dish 表示菜品，包括编号、名字和价格。
User 表示用户，包含其对菜品的评分记录（使用 map 存储）。

🔹 2. 推荐算法：协同过滤 🧠

// 计算两个用户之间的余弦相似度
double cosine_similarity(const map<int, double>& u1, const map<int, double>& u2) {
    double dot = 0.0, norm_u1 = 0.0, norm_u2 = 0.0;
    
    // 遍历第一个用户的评分
    for (auto& p : u1) {
        if (u2.count(p.first)) { // 如果第二个用户也评过这道菜
            dot += p.second * u2.at(p.first); // 内积
        }
        norm_u1 += p.second * p.second; // 第一个用户向量模长平方
    }

    // 计算第二个用户的向量模长平方
    for (auto& p : u2)
        norm_u2 += p.second * p.second;

    // 返回余弦相似度
    return dot / (sqrt(norm_u1) * sqrt(norm_u2));
}

✅ 作用说明：

该函数用于计算两个用户之间的“相似度”。
相似度越高，说明他们的口味越接近。
使用的是 余弦相似度（Cosine Similarity），是协同过滤中常用的计算方法之一。

🔹 3. 主函数模拟推荐流程 🚀

int main() {
    // 初始化几个菜品
    vector<Dish> dishes = {
        {1, "宫保鸡丁", 25},
        {2, "鱼香肉丝", 22},
        {3, "麻辣香锅", 30}
    };

    // 初始化两个用户及其评分
    User user1 = {1, {{1, 4}, {2, 3}}}; // 用户1喜欢宫保鸡丁和鱼香肉丝
    User user2 = {2, {{2, 5}, {3, 4}}}; // 用户2喜欢鱼香肉丝和麻辣香锅

    // 计算相似度
    double sim = cosine_similarity(user1.ratings, user2.ratings);
    cout << "User1 和 User2 的相似度: " << sim << endl;

    // 简单推荐：给user1推荐user2喜欢但user1未评分的菜
    cout << "推荐菜品：" << endl;
    for (auto& d : user2.ratings) {
        if (!user1.ratings.count(d.first)) { // 如果用户1没评过这个菜
            for (auto& dish : dishes) {
                if (dish.id == d.first)
                    cout << "- " << dish.name << " (" << dish.price << "元)" << endl;
            }
        }
    }

    return 0;
}

✅ 作用说明：

初始化菜品和用户数据。
调用 cosine_similarity() 函数计算两个用户之间的相似度。
根据相似用户的喜好，推荐当前用户没有尝试过的菜品。

🔹 4. 用户交互菜单 🎮

void show_menu() {
    cout << "\n==== 外卖推荐系统 ====\n";
    cout << "1. 查看推荐\n";
    cout << "2. 下单\n";
    cout << "3. 查看订单\n";
    cout << "4. 退出\n";
    cout << "请输入选项：";
}

int get_choice() {
    int choice;
    cin >> choice;
    return choice;
}

✅ 作用说明：

提供一个简单的命令行菜单，让用户选择功能。
支持查看推荐、下单、查看订单等功能。

🔹 5. 模拟下单功能 💳

struct Order {
    int user_id;
    int dish_id;
    string status;
};

vector<Order> orders;

void place_order(int user_id, int dish_id) {
    orders.push_back({user_id, dish_id, "已提交"});
    cout << "✅ 下单成功！\n";
}

✅ 作用说明：

定义 Order 结构体来保存订单信息。
place_order() 函数模拟下单行为，将订单加入全局 orders 列表。

🔹 6. 查看订单功能 📝

vector<Dish> dishes = {
    {1, "宫保鸡丁", 25},
    {2, "鱼香肉丝", 22},
    {3, "麻辣香锅", 30}
};

void view_orders(int user_id) {
    cout << "\n您的订单如下：\n";
    for (auto& o : orders) {
        if (o.user_id == user_id) {
            for (auto& d : dishes) {
                if (d.id == o.dish_id)
                    cout << "- " << d.name << " (" << o.status << ")\n";
            }
        }
    }
}

✅ 作用说明：

遍历所有订单，筛选出当前用户下的订单。
显示每道菜的名称和状态。

四、示例 📊

表1：菜品表 `dishes`

ID	名称	价格（元）
1	宫保鸡丁	25
2	鱼香肉丝	22
3	麻辣香锅	30

表2：用户评分表 `ratings`

用户ID	菜品ID	评分
1	1	4
1	2	3
2	2	5
2	3	4

五、算法原理简析 🧠

协同过滤推荐（Collaborative Filtering）

协同过滤是一种经典的推荐算法，核心思想是：

“和你兴趣相近的人喜欢的东西，你也可能会喜欢。”

在本项目中我们采用的是 基于用户的协同过滤（User-based CF）：

找到与目标用户兴趣最相似的其他用户；
参考这些相似用户喜欢但目标用户尚未尝试的菜品；
将这些菜品推荐给目标用户。

六、系统流程图 🔄

七、扩展 🧩

功能	建议
图形界面	使用 Qt 或 SFML 创建GUI界面
登录注册	添加用户登录验证功能
文件存储	将用户数据写入 `users.txt`
更复杂的推荐算法	如矩阵分解、神经网络等
多线程	同时处理多个用户请求