爬山算法 此條目没有列出任何参考或来源。 (2023年11月28日)維基百科所有的內容都應該可供查證。请协助補充可靠来源以改善这篇条目。无法查证的內容可能會因為異議提出而被移除。 图与树搜索算法 α–β A* B*（英语：B*） 回溯 集束（英语：Beam search） 贝尔曼-福特 最佳优先（英语：Best-first search） 双向 布魯瓦卡（英语：Borůvka's algorithm） 分支限界 BFS 大英博物馆 D*（英语：D*） DFS 深度限制（英语：Depth-limited search） 迪杰斯特拉 愛德蒙斯（英语：Edmonds' algorithm） 弗洛伊德 边缘搜索 爬山 IDA*（英语：Iterative deepening A*） 迭代加深 约翰逊（英语：Johnson's algorithm） 跳点（英语：Jump point search） 克鲁斯克尔 词典BFS（英语：Lexicographic breadth-first search） LPA*（英语：Lifelong Planning A*） 普里姆 SMA*（英语：SMA*） 最短路径快速 分类 图算法 搜索算法 算法列表（英语：List of algorithms） 相关主题 动态规划 图的遍历 树的遍历 查论编 爬山算法是一种局部择优的方法，采用启發式方法，是对深度优先搜索的一种改进，它利用反馈信息帮助生成解的决策。 爬山算法一般存在以下问题： 局部最大 高地：也称为平顶，搜索一旦到达高地，就无法确定搜索最佳方向，会产生随机走动，使得搜索效率降低。 山脊：搜索可能会在山脊的两面来回震荡，前进步伐很小。 解决方法：随机重启爬山算法
