爬山算法

爬山算法是一种局部择优的方法，采用启发式方法，是对深度优先搜索的一种改进，它利用反馈信息帮助生成解的决策。

爬山演算法适合在只有一个最大值的曲面上进行最佳化，并最终收敛到全域最大值。

透过爬山演算法解决凸问题的演算法包括线性规划的单体法和二分搜寻。^[1]:253

爬山算法一般存在以下问题：

1. 局部最大
2. 高地：也称为平顶，搜索一旦到达高地，就无法确定搜索最佳方向，会产生随机走动，使得搜索效率降低。
3. 山脊：搜索可能会在山脊的两面来回震荡，前进步伐很小。

解决方法：随机重启爬山算法

参见

• 梯度下降法
• 贪婪演算法
• 瓦尔拉斯拍卖
• A*搜寻演算法