启发式爬山法

 爬山法是一种局部搜索算法，也属一种启发式方法。但它一般只能得到局部最优，并且这种解还依赖于起始点的选取。现在有各种版本的爬山法，下面给出的是一种简单迭代爬山法。

开始时，当前解的所有可能邻域都被考虑，并且将且有最好评估值eval_r(vn)的串vn与当前串vc作比较。如果eval_r(vc)比eval_r(vn)差，则新串vn就成为当前串；否则，则没有可能再进行局部改进：该算法已经达到局部最优或者全局最优（变量local=TRUE).

在这种情况下，算法的下一次迭代（t←t+1）随机选取一个新的当前串来执行.

procedure 迭代爬山法

begin

    t ← 0

    初始化 best

    repeat

      local ← FALSE

      随机选取一个当前点vc

      评估vc

      repeat

          在vc的邻域中选择所有新点

          从这个新点的集合中找到使评估函数eval的值最优的点vn

          if eval（vn） 好于 eval（vc）

                then vc ← vn

                else local ← TRUE

       until local

       t ← t+1

       if vc 好于 best

            then best ← vc

     until t = MAX

end