爬山演算法

爬山演算法是一種局部擇優的方法，採用啟發式方法，是對深度優先搜尋的一種改進，它利用反饋資訊幫助生成解的決策。

爬山演算法適合在只有一個最大值的曲面上進行最佳化，並最終收斂到全域最大值。

透過爬山演算法解決凸問題的演算法包括線性規劃的單體法和二分檢索。^[1]:253

爬山演算法一般存在以下問題：

1. 局部最大
2. 高地：也稱為平頂，搜尋一旦到達高地，就無法確定搜尋最佳方向，會產生隨機走動，使得搜尋效率降低。
3. 山脊：搜尋可能會在山脊的兩面來回震盪，前進步伐很小。

解決方法：隨機重新啟動爬山演算法

參見

• 梯度下降法
• 貪婪演算法
• 瓦爾拉斯拍賣
• A*搜尋演算法