Hill-climbing

释义 Definition

Hill-climbing（爬山法/爬山算法）：一种局部搜索的启发式优化方法。它从一个初始解出发，每一步都选择能让目标值“变得更好”的邻近解，像“往山上爬”一样不断改进，直到无法继续提升，常停在局部最优而不一定是全局最优。
（也可指“爬坡/登山”这种活动语义，但在计算机科学中更常指上述算法。）

发音 Pronunciation (IPA)

/ˈhɪl ˌklaɪmɪŋ/

例句 Examples

The program uses hill-climbing to improve the solution step by step.
该程序使用爬山法一步步改进解。

In feature selection, a hill-climbing strategy can quickly find a good subset, but it may get stuck in a local optimum without random restarts.
在特征选择中，爬山策略能很快找到不错的特征子集，但如果没有随机重启，可能会卡在局部最优。

词源 Etymology

该词由 hill（山丘）+ climbing（攀爬） 构成，是一种形象的隐喻：把“目标函数值变大/变好”比作“海拔升高”，算法每次挑选“更高处”的邻居状态前进；当周围都不更高时就停止，因此容易在“山峰”（局部最优）处停下。

相关词 Related Words

• Local Search
• Heuristic
• Optimization
• Local Optimum
• Gradient Ascent
• Simulated Annealing
• Genetic Algorithm
• Random Restart

文学/著作中的用例 Literary Works

• Artificial Intelligence: A Modern Approach（Russell & Norvig）——在局部搜索（Local Search）章节中系统介绍 hill-climbing 及其局限（如局部最优、平台、山脊）。
• Neural Networks and Learning Machines（Simon Haykin）——在优化与学习相关内容中提及以局部改进为核心的搜索思想，并与其他优化方法对照。
• Handbook of Metaheuristics（Gendreau & Potvin, eds.）——作为基础局部改进方法，常与模拟退火、禁忌搜索等元启发式并列讨论。