显然,爬山算法只是产生局部最大值,不一定是全局最优值。它停留在局部最大值上。为什么爬山算法只产生局部最大值?
为什么爬山算法只产生局部最大值?
人工智能
优化
搜索
爬山
本地搜索
2021-10-28 20:39:29
1个回答
您句子的这一部分并不总是正确的“并且没有达到最终目标/解决方案”。如果你只有一个最大值并且它是有限的,那么爬山 (HL) 可以达到它并且它也是一个全局最大值(例如,如果函数是抛物线)。
回答你的问题回到了HL的停止标准。达到最大点时停止。最大值点是指目标函数在该点上的值大于在其上的点-该点的邻域。因此,如果目标函数有一些局部最大值,取决于 HL 的初始点,它可能会陷入局部最大值之一,因为它们的定义在解释的定义中得到满足。
总之,取决于HL的初始点,如果存在,它可能无法达到全局最大值并陷入局部最大值。
其它你可能感兴趣的问题