爬坡算法：简介和Python实现示例

爬坡算法（Hill Climbing）是一种基于局部搜索的优化算法，旨在寻找问题的最优解。它通过逐步改进当前解来不断接近最优解，类似于爬坡过程中不断寻找更高的山峰。本文将介绍爬坡算法的工作原理，并提供一个使用Python实现的示例代码。

爬坡算法的工作原理如下：

1. 初始化：选择一个初始解作为起点。

2. 生成邻近解：在当前解的邻域中生成一个或多个邻近解。

3. 评估邻近解：计算每个邻近解的目标函数值（或称为适应度值）。

4. 比较邻近解：选择具有最优目标函数值的邻近解作为新的当前解。

5. 终止条件：根据预定义的终止条件判断是否终止算法。例如，可以设置最大迭代次数或目标函数值的阈值。

6. 重复步骤2至步骤5，直到达到终止条件。

下面是一个使用爬坡算法解决简单优化问题的Python示例代码：

import random

def objective_function