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(vn)的串vn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 |
时间: 2024-11-18 02:05:15