算法和爬山法,爬山算法应用

爬山算法模拟登山过程，随机选择一个位置登山，每次向更高的方向移动，直到到达山顶，也就是每次在附近空间中选择最优解作为当前解，到达局部最优解。 这样算法陷入局部最优解，能否得到全局最优解取决于初始点的位置。 如果选择初始点位于全局最优解附近，则有可能得到全局最优解。

爬山算法是一种局部偏好法，采用启发式法，是对深度优先搜索的改进，利用反馈信息帮助确定解。 是人工智能算法的一种。

算法描述从当前节点开始，与傲娇的前辈节点的值进行比较。 如果当前节点最大，则返回当前节点，作为最大值(现有山的顶点)。相反，通过使用最高的相邻节点替换当前节点，实现攀登犹豫不决的杯子高处的目的。 像这样循环直到达到最高点。

算法的优缺点优点是避免遍历，通过启发和选择部分节点来提高效率。

坏处不是全面搜索，所以结果可能不是最好的。

爬山算法一般存在以下问题。

1 )局部最大)某个节点比周围任何邻居都高，但它不是整个问题的最高点。

2 )高地)又称平顶，当搜索到达高地时，搜索的最佳方向不确定，会发生随机移动，搜索效率降低。

3 )山脊)搜索可能在山脊两面来回移动，前进步伐小。