簡介爬山算法是一種局部擇優的方法，采用啟發式方法，是對深度優先搜索的一種改進，它利用反饋信息幫助生成解的決策。 屬于人工智能算法的一種。

算法：
function HILL-CLIMBING(problem) returns a state that is a local maximum
inputs: problem, a problem
??local variables: current, a node
?????????????????????????neighbor, a node
??current <- MAKE-NODE(INITIAL-STATE[problem])
??loop do
neighbor <- a highest-valued successor of current
if VALUE[neighbor]<= VALUE[current] then return STATE[current]
current <- neighbor

算法解釋：
從當前的節點開始，和周圍的鄰居節點的值進行比較。 如果當前節點是最大的，那么返回當前節點，作為最大值 (既山峰最高點)；反之就用最高的鄰居節點來，替換當前節點，從而實現向山峰的高處攀爬的目的。如此循環直到達到最高點。

算法優缺點
優點
避免遍歷，通過啟發選擇部分節點，從而達到提高效率的目的。

缺點
因為不是全面搜索，所以結果可能不是最佳。

爬山算法一般存在以下問題：
1）、局部最大：某個節點比周圍任何一個鄰居都高，但是它卻不是整個問題的最高點。
2）、高地：也稱為平頂，搜索一旦到達高地，就無法確定搜索最佳方向，會產生隨機走動，使得搜索效率降低。
3）、山脊：搜索可能會在山脊的兩面來回震蕩，前進步伐很小。?
算法解釋：?
從當前的節點開始，和周圍的鄰居節點的值進行比較。 如果當前節點是最大的，那么返回當前節點，作為最大值 (既山峰最高點)；反之就用最高的鄰居節點來，替換當前節點，從而實現向山峰的高處攀爬的目的。如此循環直到達到最高點。
算法優缺點
優點?
避免遍歷，通過啟發選擇部分節點，從而達到提高效率的目的。?

缺點
因為不是全面搜索，所以結果可能不是最佳。?

爬山算法一般存在以下問題： ?
1）、局部最大：某個節點比周圍任何一個鄰居都高，但是它卻不是整個問題的最高點。?
2）、高地：也稱為平頂，搜索一旦到達高地，就無法確定搜索最佳方向，會產生隨機走動，使得搜索效率降低。 ?
3）、山脊：搜索可能會在山脊的兩面來回震蕩，前進步伐很小。
---------------------?
?

總結

以上是生活随笔為你收集整理的什么是hill-climbing算法？？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。