爬山演算法

維基百科，自由的百科全書

此條目沒有列出任何參考或來源。 (2023年11月28日)
維基百科所有的內容都應該可供查證。請協助補充可靠來源以改善這篇條目。無法查證的內容可能會因為異議提出而被移除。

圖與樹搜尋演算法
α–β A* B（英語：B）回溯集束（英語：Beam search）貝爾曼-福特最佳優先（英語：Best-first search）雙向布魯瓦卡（英語：Borůvka's algorithm）分支限界 BFS 大英博物館 D（英語：D） DFS 深度限制（英語：Depth-limited search）迪傑斯特拉愛德蒙斯（英語：Edmonds' algorithm）弗洛伊德邊緣搜尋爬山 IDA（英語：Iterative deepening A）迭代加深約翰遜（英語：Johnson's algorithm）跳點（英語：Jump point search）克魯斯克爾詞典BFS（英語：Lexicographic breadth-first search） LPA（英語：Lifelong Planning A）普里姆 SMA（英語：SMA）最短路徑快速
分類
圖演算法搜尋演算法演算法列表（英語：List of algorithms）
相關主題
動態規劃圖的遍歷樹的遍歷
閱論編

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。

爬山演算法一般存在以下問題：

局部最大
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。
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

取自 "https://zh.wikipedia.org/w/index.php?title=爬山算法&oldid=79904765"

分類：

隱藏分類：

自2023年11月缺少來源的條目