局部搜索 local search

局部搜索 local search

• 不是系统的探索从初始状态开始的路径，考虑对某个或某些状态评价和修改
• 适用于关注solution的状态，而不是路径的代价
• algorithm： simulated annealing模拟退火，genetic algorithm遗传
• 通常不保留搜索路径
• 内存占用小，在系统算法难以解决的大型的甚至无限的问题找到合理解
• 状态空间地形图：横轴是状态空间，纵轴是启发式代价函数或目标函数。代价函数：找到最低点。目标函数：找到最高点。

爬山法 hill-climbing

以八皇后问题为例。

• local search一般用完整状态形式化 （complete-state formulation），也就是每个状态都在棋盘上放8个皇后，每列一个。
• successor 后继：移动某个皇后到这列的另一个位置，一个状态的后继有56个。
• 启发式评估函数$h$是形成相互攻击的皇后对数量，它的全局最小值为0，也就是找到解才会达到这个值。
• 如果有多个后继都有最小的$h$值，随机选择一个。
• 当遇到局部最大值（较低的山峰、山脊、高原）会卡住。（山肩有可能卡住）

对爬山法的优化：

• 允许侧向移动的爬山法：在不能向上的时候允许侧向移动（有最大次数限制避免在