我认为在实现爬山（HC）算法之前至少需要考虑三点：

一是初始状态。在 HC 中，人们通常对初始状态使用“临时解决方案”。你可以使用一个空的背包，但我更喜欢随机挑选物品并将其作为初始状态放入背包中。您可以使用二进制数组来保存每个项目的“拾取状态”，这样如果$a_i=1$然后你选择$i$-th 项目，如果$a_i=0$那么你不选择$i$-第项。

接下来是启发式函数。评估您当前状态的函数。实际上，您可以自由定义它（如初始状态），只要该函数可以评估哪个状态比其他状态更好。你可以使用一个简单的：

$$h = \begin{cases} -1, & \text{if}\ \sum (w_i \times a_i) > \text{MaxWeight} \\ \sum (v_i \times a_i), & \text{otherwise} \end{cases}$$

和$w_i$和$v_i$是重量和价值$i$- 项分别。此功能的缺点之一是如果您有多个无效状态（总权重超过限制的状态），它们具有相同的值，即$-1$.

最后是生成当前状态邻居的方法。同样，您也可以自由定义您将使用的方法。我认为您提出的行动已经足够好：

• 反转项目的状态（1 到 0 或 0 到 1）。这意味着我在当前状态下添加或减少项目。
• 交换具有不同值的两个项目的状态。正式交换$a_i$和$a_j$和$i \neq j$和$a_i \neq a_j$. 这意味着我将我之前选择的项目与我之前没有选择的项目交换

然后，在定义完所有内容后，您可以按照Wikipedia中的说明运行算法：

currentNode = startNode;
loop do
    L = NEIGHBORS(currentNode);
    nextEval = -INF;
    nextNode = NULL;
    for all x in L 
        if (EVAL(x) > nextEval)
            nextNode = x;
            nextEval = EVAL(x);
    if nextEval <= EVAL(currentNode)
        //Return current node since no better neighbors exist
        return currentNode;
    currentNode = nextNode;