搜索——超越经典搜索（Beyond classical search）

一、局部搜索算法

局部搜索算法：在搜索过程中我们并不关心路径，也即过程（关心路径的搜索算法如BFS，DFS，GBFS，A*搜索等），所以并不存储之前的搜索过程，而只关心问题的目标解，也即最终结果。之所以叫局部搜索是因为，在搜索过程中只存储当前结点，并通过转移到邻居结点来进行探索。

优点：（1）只用很少的内存——通常是常数；（2）经常能在系统化算法不适用的很大或无限的（连续的）状态空间中找到合理的解。

图一：状态空间地形图

一、爬山法（Hill Climbing）

爬山法（也称最陡爬山法），是选择当前结点的邻居结点中最好的一个进行转移。

伪代码：

普通版本的爬山算法（也称为贪婪局部搜索）容易陷入局部最优，以下是爬山法的一些变体。

变体	定义
最陡爬山法（steepest-ascent）	选择当前邻居中最优的
随机爬山法（stochastic）	在比当前结点优的邻居中随机选择
首选爬山法（first-choice）	选择第一个找到的比当前结点优的邻居
随机重启爬山法（random-restart）	通过随机生成初始状态多次执行爬山法

这些爬山法的共同点是：不会选择比当前结点差的邻居。

前三个爬山法是不完备的，随机重启爬山法完备的概率接近于1，理由是它最终会生成一个目标状态作为初始状态。

二、模拟退火法（Simulated Annealing）

模拟退火法的主要思想&