4、随机优化算法：随机爬山、迭代局部搜索与引导局部搜索

随机优化算法：随机爬山、迭代局部搜索与引导局部搜索

1. 随机爬山算法（Stochastic Hill Climbing）

1.1 算法概述

随机爬山算法（Stochastic Hill Climbing，SHC），也被称为随机爬山（Random Hill Climbing，RHC）或随机变异爬山（Random Mutation Hill Climbing，RMHC），是一种随机优化算法和局部优化算法。它属于直接搜索技术，无需搜索空间的导数信息。该算法是确定性爬山算法（如简单爬山、最陡上升爬山）的扩展，同时也是并行爬山和随机重启爬山等方法的基础。

1.2 策略

随机爬山算法的策略是迭代地为候选解随机选择一个邻居，并仅在该邻居能带来改进时接受它。此策略旨在解决确定性爬山技术容易陷入局部最优的局限性，因为确定性方法往往贪婪地接受相邻移动。

1.3 过程

以下是随机爬山算法用于最小化成本函数的伪代码：

Input: Itermax, ProblemSize
Output: Current
Current ← RandomSolution(ProblemSize);
foreach iteri ∈ Itermax do
    Candidate ← RandomNeighbor(Current);
    if Cost(Candidate) ≥ Cost(Current) then
        Current ← Candidate;
    end
end
return Current;

<