基本思路：
不斷和鄰居值進行比較，朝臨近值大的方向前進
當左右值相同時，就停止，即得到演算法最優解
僅作為區域性最優解，避免了遍歷，僅啟發部分節點
步驟：① 隨便找乙個值作為解
② 迴圈：
找到相鄰點
比較所有鄰居解的大小，找到最大值
如果最好的鄰居值仍然小於當前值，則返回；否則選鄰居值中最大值作為結果
注意點：
工具：基本思路：
從乙個初始解開始
通過鄰域動作，產生鄰居解，判斷鄰居解的質量，根據某種策略來選擇鄰居解
重複上述過程，直到達到終止條件
基於個體的啟發式演算法五大要素：
| 目標函式
| 鄰域
| 初始解
| 新解的產生
| 接受規則和終止準則
步驟模擬退火基本思路：
注意點：
對於找到的一部分區域性最優解，有意識地避開它，從而獲得更多的搜尋區域
注意點：
基於評價值的規則——出現乙個解的目標值好於前面任何乙個最佳候選解，可特赦
基於最小錯誤的規則——所有物件都被禁忌，特赦乙個評價值最小的解
基於影響力的規則——特赦對於目標值影響大的物件
explorative local search methods ↓步驟：從初始解中進行區域性搜尋，找到區域性最優解
擾動區域性最優解，獲得新解
從新解中進行區域性搜尋，再次得到區域性最優解
基於判斷策略，對最新的區域性最優解的好壞進行判斷，選擇接受或退回新解
直到找到滿足條件的最優解，不然跳回第二步
注意點：
演算法思路：
步驟：產生初始解
擾動，得到新解
對新解進行和變鄰域下降搜尋，又得新解
若滿足邊界條件則程式結束，輸出最優解，否則跳回第二步
爬山搜尋演算法
1.爬山法 hill climbing 爬山法是向值增加的方向持續移動到簡單迴圈過程，演算法在到達乙個 峰頂 時終止，此時相鄰狀態中沒有比該 峰頂 更高的值。爬山法不維護搜尋樹，當前節點只需要記錄當前狀態及其目標函式值 爬山法不會前瞻與當前狀態不直接相鄰的狀態的值 就像健忘的人在大霧中試圖登頂珠峰一...
通用區域性搜尋演算法之爬山法也叫貪婪演算法
在上山移動中，隨機選擇下一步，選擇的概率隨著上山移動到陡峭程度而變化 隨機地生成後繼節點直到生成乙個優於當前節點的後繼 如果一開始沒有成功，那麼嘗試，繼續嘗試 演算法通過隨機生成的初始狀態來進行一系列的爬山法搜尋，找到目標時停止搜尋。該演算法以概率1接近於完備 因為演算法最終會生成乙個目標狀態作為初...
搜尋演算法 爬山法
一 爬山演算法 爬山演算法是一種簡單的貪心搜尋演算法，該演算法每次從當前位置的臨近空間中選擇乙個最優解作為當前解，直到達到乙個區域性最優解。爬山演算法可以模擬成乙個有失憶的人在濃霧中爬山。這裡就揭示了爬山演算法的兩個問題 失憶 就是說這個人不記得他去過什麼地方，他只記得他現在所處的位置，以及周邊的情...