1.随机搜索
存在随机跳跃的特点，每次优化结果可能不同，不能充分利用已经发现的最优解(已经尝试过的解中的最优解)
2.爬山法
从一个随机解开始，在其邻近的解中寻找最优解，速度快，但容易造成局部最优，为了解决这个问题，可以使用随机重复爬山法，模拟退火，遗传算法等
3.模拟退火
也是从一个随机解开始，每次迭代，选中一个数字，然后沿某一个方向变化(爬山法是从多个方向)，可能接受比当前差的解，但退火过程中，越来越不可能接受较差解，最后只接受最优解，速度也很快
4.遗传算法
随机生成一组解，计算成本函数，获得题解的有序列表，组成种群---在种群中选取最优解，成为精英，加入新生成的种群---通过变异，交叉，配对的方法来修改解---知道迭代次数满足条件或连续多次改善不佳停止
5.网络可视化
6.牛顿法
7.拟牛顿法
8.拉格朗日对偶
9.模拟退火和遗传算法的思路:找到潜在解，做成数字列表，使用算法
