集体编程智慧(2)

随机搜索：

        该方法接受两个参数，Domain和costf，其中Domain是一个由二元组构成的列表，指定了每个变量的最大最小值。而costf胃成本函数，为其他优化问题所重用，它会跟踪最佳猜测（即具有最低成本的题解）并将结果返回。

       本质：随机选择出一些题解，并进行尝试，比较得出尝试解中的最佳值，但不一定是问题的全局最优值。

 

爬山法：以一个随机解开始，然后在其接近的解集中寻找更好的题解。

       缺陷：简单的从斜坡滑下不一定会产生全局最优解。有可能最后的解会是一个局部范围内的最小值，它比临近解的表现都好，但却不是全局最优的。

       改进方法：随机重复爬山法，即让爬山法以多个随机生成的初始解为起点运行若干次，借此希望其中有一个解能够逼近全局的最小值。

 

模拟退火算法：以一个问题的随机解开始，多次迭代。每一次迭代会随机选中题解中的某个数字，然后朝某个方向变化。算法的关键部分：如果新的成本值更低，则新的题解就会称为当前题解，这和爬山法非常相似。但是如果成本值更高的话，则新的题解仍将可能成为当前题解——避免局部最小值问题。

 

遗传算法：先随机生成一组解（称为种群），在优化过程中的每一步，算法会计算整个种群的成本函数，从而得到一个有关题解的有序列表。在对题解进行排序之后，一个新的种群（下一代）被创建出来了。首先，我们将当前种群中位于最顶端的题解加入其所在的新种群中。新种群中的余下部分是由修改