爬山算法維基百科,自由的 encyclopedia 爬山算法是一種局部擇優的方法,採用啟發式方法,是對深度優先搜索的一種改進,它利用反饋信息幫助生成解的決策。 此條目沒有列出任何參考或來源。 (2023年11月28日) 爬山算法一般存在以下問題: 局部最大 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。 山脊:搜索可能會在山脊的兩面來回震盪,前進步伐很小。 解決方法:隨機重啟爬山算法
爬山算法是一種局部擇優的方法,採用啟發式方法,是對深度優先搜索的一種改進,它利用反饋信息幫助生成解的決策。 此條目沒有列出任何參考或來源。 (2023年11月28日) 爬山算法一般存在以下問題: 局部最大 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。 山脊:搜索可能會在山脊的兩面來回震盪,前進步伐很小。 解決方法:隨機重啟爬山算法