局部搜索

 完备搜索

考虑所有的可能解

能够证明最优性

 

非完备搜索

只考虑某些可行解

无法证明最优性

相比完备搜索方法更快，可以处理更大的问题

 

贪心局部搜索

生成初始解

从领域中随机改变到达另一个更优的解

直到循环终止

 

最速下降的局部搜索

从领域中选择改变的路线时，评估领域中所有的相邻点，选择最快通往好的解的路线。

对于凸优化问题，总能得到全局最优解。

 

限制最速下降

缩小每次改变的领域范围。

 

可是对于存在局部最小解的问题，怎么挑出局部最小解，找到全局最优解呢？

 

约束和局部搜索

处理约束时，有两种方式处理约束

逃离局部最小点

重启

每当困在一个局部最小点，在一个新的随机点重启搜索。

使用随机化搜索来逃离局部最小点，结合最速下降和随机跳跃。

 

模拟退火

 

尝试一个移动，如果有改善就进行这个移动；否则，也在一定概率下进行这个移动，即使这个移动会使目标值向上。

在每一个时间点，算法都有（逐渐降低的）概率选择一个向上的移动 。

 

Tabu表

为了防止搜索进入死循环，引入Tabu表，记录最近K个状态到Tabu表中，防止移动回到他们其中一个。Tabu搜索可以逃离/避免局部最小点。

 

 

参考：

https://www.coursera.org/learn/lisan-youhua-suanfapian/lecture/Gr6N6/3-4-1-ju-bu-sou-suo

 

转载于:https://www.cnblogs.com/yijuncheng/p/10957259.html