局部搜索到底是什么？

局部搜索到底是什么？

局部搜索算法是从爬山法改进而来的。
简单来说，局部搜索算法是一种简单的贪心搜索算法，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。
在计算机科学中，局部搜索是解决最优化问题的一种元启发式算法。局部搜索从一个初始解出发，然后搜索解的邻域，如有更优的解则移动至该解并继续执行搜索，否则返回当前解。
局部搜索算法的基本思想：在搜索过程中，始终选择当前点的邻居中与离目标最近者的方向搜索。　　
局部搜索的优点：简单、灵活及易于实现，缺点是容易陷入局部最优且解的质量与初始解和邻域的结构密切相关。常见的改进方法有模拟退火、禁忌搜索等。
局部搜索的应用：计算机科学（主要是人工智能）、数学、运筹学、工程学、生物信息学中各种很难找到全局最优解的计算问题。

简单地说，就是根据已有的条件减小搜索范围的搜索思想，不再全局搜索了。。。比如你想知道你班里有多少有钱人，但由于你班上人太多了不可能一一调查，所以你可以根据“物以类聚”的假设减小搜索范围，有钱人和有钱人走得更近些，就从某个有钱人的圈子进行排查。。。追问那在这个范围内有什么具体的算法或方法呢？仅限于最优化方面追答前面我也说了，所谓“局部”，都是根据某种经验、假设或随机方法产生小的搜索空间的一种贪婪的遍历方式，比如遗传算法求解复杂函数最值，就运用了遗传迭代的方式遍历一个小的解集得到最值，相关方法还有很多，可以自行查看机器学习相关的资料。

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息