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
|