爬山算法简介和Python实现实例
一、爬山法简介
爬山法（climbing method）是一种优化算法，其一般从一个随机的解开始，然后逐步找到一个最优解（局部最优）。 假定所求问题有多个参数，我们在通过爬山法逐步获得最优解的过程中可以依次分别将某个参数的值增加或者减少一个单位。例如某个问题的解需要使用3个整数类型的参数x1、x2、x3，开始时将这三个参数设值为(2,2,-2)，将x1增加/减少1，得到两个解(1,2,-2), (3, 2,-2)；将x2增加/减少1，得到两个解(2,3, -2)，(2,1, -2)；将x3增加/减少1，得到两个解(2,2,-1)，(2,2,-3)，这样就得到了一个解集：
(2,2,-2), (1, 2,-2), (3, 2,-2), (2,3,-2), (2,1,-2), (2,2,-1), (2,2,-3)
从上面的解集中找到最优解，然后将这个最优解依据上面的方法再构造一个解集，再求最优解，就这样，直到前一次的最优解和后一次的最优解相同才结束“爬山”。
二、Python实例
设方程 y = x1+x2-x3，x1是区间[-2, 5]中的整数，x2是区间[2, 6]中的整数，x3是区间[-5, 2]中的整数。使用爬山法，找到使得y取值最小的解。
代码如下：
import random
def evaluate(x1, x2, x3):
return x1+x2-x3
if __name__ == '__main__':
x_range = [ [-2, 5], [2, 6], [-5, 2] ]
best_sol = [random.randint(x_range[0][0], x_range[0][1]),
random.randint(x_range[1][0], x_range[1][1]),
random.randint(x_range[2][0], x_range[2][1])]
while True:
best_evaluate = evaluate(best_sol[0], best_sol[1], best_sol[2])
current_best_value = best_evaluate
sols = [best_sol]
for i in xrange(len(best_sol)):
if best_sol[i] > x_range[i][0]:
sols.append(best_sol[0:i] + [best_sol[i]-1] + best_sol[i+1:])
if best_sol[i] < x_range[i][1]:
sols.append(best_sol[0:i] + [best_sol[i]+1] + best_sol[i+1:])
print sols
for s in sols:
el = evaluate(s[0], s[1], s[2])
if el < best_evaluate:
best_sol = s
best_evaluate = el
if best_evaluate == current_best_value:
break
print 'best sol：', current_best_value, best_sol
某次运行结果如下：
[[0, 5, 1], [-1, 5, 1], [1, 5, 1], [0, 4, 1], [0, 6, 1], [0, 5, 0], [0, 5, 2]]
[[-1, 5, 1], [-2, 5, 1], [0, 5, 1], [-1, 4, 1], [-1, 6, 1], [-1, 5, 0], [-1, 5, 2]]
[[-2, 5, 1], [-1, 5, 1], [-2, 4, 1], [-2, 6, 1], [-2, 5, 0], [-2, 5, 2]]
[[-2, 4, 1], [-1, 4, 1], [-2, 3, 1], [-2, 5, 1], [-2, 4, 0], [-2, 4, 2]]
[[-2, 3, 1], [-1, 3, 1], [-2, 2, 1], [-2, 4, 1], [-2, 3, 0], [-2, 3, 2]]
[[-2, 2, 1], [-1, 2, 1], [-2, 3, 1], [-2, 2, 0], [-2, 2, 2]]
[[-2, 2, 2], [-1, 2, 2], [-2, 3, 2], [-2, 2, 1]]
best sol： -2 [-2, 2, 2]
可以看到，最优解是-2，对应的x1、x2、x3分别取值-2、2、2。
三、如何找到全局最优
爬山法获取的最优解的可能是局部最优，如果要获得更好的解，多次使用爬山算法（需要从不同的初始解开始爬山），从多个局部最优解中找出最优解，而这个最优解也有可能是全局最优解。
另外，模拟退火算法也是一个试图找到全局最优解的算法。
相关文章
这篇文章主要介绍了pycharm软件实现设置自动保存操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
下面小编就为大家带来一篇python文件名和文件路径操作实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
这篇文章主要介绍了Python 解压缩文件，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-04-04
cachetools库为Python提供了强大而灵活的缓存解决方案,通过使用不同类型的缓存和缓存装饰器,我们可以轻松地在程序中实现高效的缓存机制,从而提升程序性能,本文将详细介绍cachetools库的基本概念和使用方法,感兴趣的朋友跟随小编一起看看吧2024-07-07
这篇文章主要为大家详细介绍了python如何使用pptx库实现从一个ppt复制页面到另一个ppt里面，文中的示例代码讲解详细，感兴趣的可以尝试一下2023-02-02
读万卷书不如行万里路，学的扎不扎实要通过实战才能看出来，今天小编给大家带来一份python爬取二手房源信息的案例，可以用来直观的了解房价行情,大家可以在过程中查缺补漏，看看自己掌握程度怎么样2021-10-10
这篇文章主要介绍了pytorch使用voc分割数据集训练FCN流程，图像分割发展过程也经历了传统算法到深度学习算法的转变，传统的分割算法包括阈值分割、分水岭、边缘检测等等2022-12-12
这篇文章主要为大家详细介绍了python调用API实现智能回复机器人，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-04-04
本文介绍了使用Python的pandas库结合openpyxl来批量替换Excel表格中的空值或指定值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2024-12-12
这篇文章主要介绍了Python实现操纵控制windows注册表的方法,结合实例形式分析了Python使用_winreg模块以及win32api模块针对Windows注册表操作相关实现技巧,需要的朋友可以参考下2019-05-05
最新评论