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，它利用反青身帝问行石馈信息帮助生成解的决策。 属于人工智能算法的一种。

• 中文名 爬山算法
• 外文名 Hill Climbing
• 类型 一种局部择优的方法
• 采用 启发式方法
• 属于 人工智能算法的一种

算法

　　fu旧给上某断诗nction HILL-CLIMBING(problem) returns a state that is a local maximum

　　inputs: problem, a probl来自em

　　loca360百科l variables: current, a node

　　neighb温流院员都职划乎而镇压or, a node

　　current <- MAKE-NODE(INITIAL-STATE[problem])

　　loop do

　　neighbor <- a 宜才造护即否highest-valued successor of current

　　if VALUE[neighbor]<= VALUE[current] then return STATE[current]

　　current <- neighbor

　　算法解释转左获稳失树祖:

　　从当前的节点开始，和周围的邻居节点的值进行比较。 如果当前节点是最大的，那么返回当前节点，作为最大值(既山峰最高点);反字粮念弦名演乡频怀传顶之就用最高的邻居节点来，替证儿业即功些溶换当前节点，从而实现向山峰的谈感案击罪仅高处攀爬的目的。如此循环直到达到最高点。

算法优测如立服孔组景缺点

　　优点

　　避免遍历，通过启发选择部分节点，从而达到提高效率的目的。

　　缺点

　　因为不是全面搜索，所以结果可能不是最佳。

　　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穿施输一个邻居都高，但是它却不是整个问题的最高点。

　　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。

其他相关算法

　　stochastic hi来自ll climbing

　360百科　First-choice hill climbing

　　Random-restart hill climb概互例龙ing

　　Simulated annealing search

　　Local beam search