启发式爬山法

 爬山法是一种局部搜索算法，也属一种启发式方法。但它一般只能得到局部最优，并且这种解还依赖于起始点的选取。现在有各种版本的爬山法，下面给出的是一种简单迭代爬山法。

开始时，当前解的所有可能邻域都被考虑，并且将且有最好评估值eval_r( v n)的串 v n与当前串 vc作比较。如果eval_r(vc)比eval_r(vn)差，则新串vn就成为当前串；否则，则没有可能再进行局部改进：该算法已经达到局部最优或者全局最优（变量local=TRUE).

在这种情况下，算法的下一次迭代（t←t+1）随机选取一个新的当前串来执行.

procedure 迭代爬山法 begin     t ← 0     初始化 best      repeat       local ← FALSE       随机选取一个当前点 vc       评估 vc        repeat           在 vc的邻域中选择所有新点           从这个新点的集合中找到使评估函数eval的值最优的点 vn            if eval（ vn） 好于 eval（ vc）                  then  vc ←  vn                  else local ← TRUE         until local        t ← t+1         if  vc 好于 best              then best ←  vc       until t =  MAX end

 

转载于:https://www.cnblogs.com/csxf/p/3799573.html