通用局部搜索算法之爬山法也叫贪婪算法 (转)
2010-05-26 08:33
357 查看
通用局部搜索算法之爬山法也叫贪婪算法
设施区位及算法 2009-08-28 20:43:16 阅读36 评论0 字号:大中小爬山法 hill-climbing
爬山法是向值增加的方向持续移动到简单循环过程,算法在到达一个“峰顶”时终止,
此时相邻状态中没有比该“峰顶”更高的值。
爬山法不维护搜索树,当前节点只需要记录当前状态及其目标函数值;
爬山法不会前瞻与当前状态不直接相邻的状态的值
——“就像健忘的人在大雾中试图登顶珠峰一样”
function HillClimbing(problem) return 一个局部最优状态
输入:problem
局部变量:current, 一个节点
neighbor,一个节点
current = MakeNode(Initial-State(problem));
loop do
neighbor = a highest-valued successor of current ;
if VALUE[neighbor] <= VALUE[current] then return STATE[current];
current = neighbor ;
爬山法又称贪婪局部搜索,只是选择相邻状态中最好的一个。尽管贪婪是七宗罪之一,
但是贪婪算法往往能够获得很好的效果。当然,爬山法会遇到以下问题:
(1)局部极值
(2)山脊:造成一系列的局部极值
(3)高原:平坦的局部极值区域——解决办法:继续侧向移动
2. 爬山法的变体形式
随机爬山法:
在上山移动中,随机选择下一步,选择的概率随着上山移动到陡峭程度而变化;
首选爬山法
随机地生成后继节点直到生成一个优于当前节点的后继
随机重新开始的爬山法
“如果一开始没有成功,那么尝试,继续尝试”
算法通过随机生成的初始状态来进行一系列的爬山法搜索,找到目标时停止搜索。
该算法以概率1接近于完备:因为算法最终会生成一个目标状态作为初始状态
如果每次爬山搜索成功的概率为p,则需要重新开始搜索的期望次数为 1/p。例如:
八皇后问题,大概需要7次迭代(6次失败,1次成功)即可找到目标,即:
p=1/7=0.14
所需步数的期望值:一次成功迭代的搜索步数 + 失败搜索步数 * (1-p)/p
1*4+6*3=22
转自:
http://blog.163.com/highway_xxw/blog/static/26754625200972884316842/
相关文章推荐
- 通用局部搜索算法之爬山法也叫贪婪算法
- 通用局部搜索算法之WALKSAT
- 通用局部搜索算法之模拟退火[转]
- 通用局部搜索算法之tabu搜索(转)
- 图搜索的通用算法
- 基于分解的多目标进化算法中的局部搜索-LocalSeach
- N皇后问题:基于局部搜索策略的高效算法
- 1.局部寻优搜索(瞎子爬山法):瞎子爬山的局部寻优搜索法中,可取消OPEN表,
- 优化算法 | N皇后问题启发式算法局部搜索
- 使用STL通用算法find_if()在list中搜索对象
- [算法专题] 二分搜索&排序数组
- LeetCode Linked List Cycle II 和I 通用算法和优化算法
- 一步一步写算法(之通用数据结构)
- 人职双向匹配项目(2)--通用搜索技术
- 不足80行,一种清晰而又简单通用的分页算法,你有这么想过吗?C#版
- C++搜索与回溯算法之全排列问题
- 字符串关键字搜索匹配提取处理算法
- 作业调度问题深度搜索定界算法
- C++搜索与回溯算法之素数环问题
- 海量数据库的查询优化及分页算法方案(二)-实现小数据量和海量数据的通用分页显示存储过程 [转]