1.概念

爬山算法是一种局部择优的方法，是一种局部贪心的最优算法。
采用启发式方法，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。 该算法每次从当前解的临近解空间中选择一个最优解作为当前解，
直到达到一个局部最优解，属于人工智能算法的一种。

2.主要思想

1. 随机选择一个登山的起点；
2. 每次拿相邻点与当前点进行比对,取两者中较优者,作为爬坡的下一步；
3. 重复第2步，直至该点的邻近点中不再有比其大的点；
4. 选择该点作为本次爬山的顶点,即为该算法获得的最优解。

3.特点

实现简单，其主要缺点是会陷入局部最优解，不一定能搜索到全局最优解。
如下图所示：假设C点为当前解，爬山算法搜索到A点这个局部最优解就会停止搜索，
因为在A点无论向那个方向小幅度移动都不能得到更优的解。

4.参考文章

如果想进一步了解爬山算法及其应用，请参考：
基于爬山算法求解TSP问题(JAVA实现)
机器学习优化算法之爬山算法小结