发布时间：2023-10-12 19:00
在使用启发式算法的时候，一个常见的问题是融入陷入局部最优，导致很长时间内算法的解难以得到改进，现总结一下几种常见的元启发式如何跳出局部最优。
一、跟算法内部设计无关： 使用多个初始解搜索；
二、跟算法内部设计有关：接受较差的解/扰动/交叉变异
SA: 若新解优于原解，接受，否，以一定概率/接受标准 exp((sol.Cost-newsol.Cost)/ck)接受较差解。
VND：纯静态算法，邻域只有一个的话，跟爬山无异；跟爬山相比多了邻域的个数。
VNS：shake策略，扰动初始解，shaking本质上来说也是邻域搜索的一种，但需要注意的是，shake强度不能太小，不然很容易被局部搜索拉回，且shake对解的扰动程度比local search要强；同时shake的强度不能太大，不然与random search无异。
GA:通过交叉/变异跳出局部最优；