迭代局部搜索（Iterated Local Search, ILS）详解

更多精彩尽在微信公众号【程序猿声】

迭代局部搜索（Iterated Local Search, ILS）

00 目录

• 局部搜索算法
• 简单局部搜索
• 迭代局部搜索

  01 局部搜索算法

  1.1 什么是局部搜索算法？

  局部搜索是解决最优化问题的一种启发式算法。因为对于很多复杂的问题，求解最优解的时间可能是极其长的。因此诞生了各种启发式算法来退而求其次寻找次优解，局部搜索就是其中一种。它是一种近似算法（Approximate algorithms）。
  局部搜索算法是从爬山法改进而来的。简单来说，局部搜索算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。局部搜索从一个初始解出发，然后搜索解的邻域，如有更优的解则移动至该解并继续执行搜索，否则返回当前解。

  1.2 算法思想过程

  局部搜索会先从一个初始解开始，通过邻域动作。产生初始解的邻居解，然后根据某种策略选择邻居解。一直重复以上过程，直到达到终止条件。
  不同局部搜索算法的区别就在于：邻域动作的定义以及选择邻居解的策略。这也是决定算法好坏的关键之处。

  1.3 什么又是邻域动作？

  其实邻域动作就是一个函数。那么，通过这个函数，对当前的最优解s，产生s对应的邻居解的一个集合。比如：

  对于一个bool型问题，其当前解为：s = 1001，当将邻域动作定义为翻转其中一个bit时，得到的邻居解的集合N(s)={0001,1101,1011,1000}，其中N(s) ∈ S。同理，当将邻域动作定义为互换相邻bit时，得到的邻居解的集合N(s)={0101,1001,1010}.

  02 简单局部搜索

  在开始我们的迭代局部搜索之前，还是先来给大家科普几个简单局部搜索算法。他们也是基于个体的启发式算法（Single solution）。

  2.1 爬山法（HILL-CLIMBING）

  干货 | 用模拟退火(SA, Simulated Annealing)算法解决旅行商问题

  2.2 模拟退火（SIMULATED ANNEALING）

  干货 | 用模拟退火(SA, Simulated Annealing)算法解决旅行商问题

  2.3 模拟退火（SIMULATED ANNEALING）