爬山算法java代码 爬山算法应用

爬山算法

爬山算法是一种局部择优的方法，是一种局部贪心的最优算法。

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。 该算法每次从当前解的临近解空间中选择一个最优解作为当前解，

直到达到一个局部最优解，属于人工智能算法的一种。

实现简单，其主要缺点是会陷入局部最优解，不一定能搜索到全局最优解。

如下图所示：假设C点为当前解，爬山算法搜索到A点这个局部最优解就会停止搜索，

因为在A点无论向那个方向小幅度移动都不能得到更优的解。

如果想进一步了解爬山算法及其应用，请参考：

基于爬山算法求解TSP问题(JAVA实现)

机器学习优化算法之爬山算法小结

相关问答

Q1: java面试题：一个人早上八点上山，晚上八点到达山顶。第二天早上八点下山，晚上八点到达山底。

java面试题爬山算法java代码的解析方式（思路如下）：

public static void main(String[] args) {

// TODO Auto-generated method stub

int up = 8;

int down = 8;

while(up=20){

if((up == 20-6) (up == 20-6)){

System.out.println("在"+up+"时到达同一地点");

break;

}

up += 1;

down += 1;

}

}

微软面试题的背后

微软的奇葩面试题答案并不重要，重要的是思考过程，而思考过程体现了爬山算法java代码你是否拥有公司所看重的能力，不仅是微软，其爬山算法java代码他公司的面试也是为了测试爬山算法java代码你的某种能力，如果爬山算法java代码你提前培养了这种能力，相当于知道了面试的“考纲”，在面试中自然就从容不迫，游刃有余了。

平时要知道转化能力是看透问题，然后找到解决方案的能力。所以转化能力最重要的是如何看透问题，也就是你思考问题的方式。

Q2: 什么是爬山算法

我在百度上找的！～～

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

如果您认为本词条还有待完善，需要补充新内容或修改错误内容，请 编辑词条

爬山算法java代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于爬山算法应用、爬山算法java代码的信息别忘了在本站进行查找喔。