词条 | 爬山算法 |
释义 | 简介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,它利用反馈信息帮助生成解的决策。 属于人工智能算法的一种。 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 算法解释: 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);反之就用最高的邻居节点来,替换当前节点,从而实现向山峰的高处攀爬的目的。如此循环直到达到最高点。 算法优缺点优点 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 hill climbing First-choice hill climbing Ramdom-restart hill climbing Simulated annealing search Local beam search |
随便看 |
百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。