人工智能：

首选爬山法（盲目爬山法）：

见坡就上，但凡有比现在好的邻居结点，则立即过渡为邻居结点，不进行更多相邻的其他邻居结点比较。成为邻居结点后继续搜索，无脑冲。

最陡上升爬山法：

爬最陡的坡，成就最美丽的人生。搜索所有邻居结点，不断迭代最好邻居结点。如果遇到相同好的邻居结点，则压入到链表中，最后随机选取一个。

随机重启爬山法：

在遇见平地不知该去哪，或者达到一个小顶峰（极大值）时的踌躇，则完全重启爬山法，重新再爬。

模拟退火算法：

如果下一个结点比当前结点好，则变为下一个结点，如果比较差，则有一定概率会变成那个结点。每进行一次考虑，则温度下降一些

int E = Next_val- Cur_value;

        if (E < 0) {                    // 下一状态优于当前状态

           trial++;

        } else if (exp((-1)*E/temperature) > ((double)(rand() % 1000) / 1000)) { // 以一定的概率选取

            trial++;

        } 

temperature *= 0.999;

爬山法，模拟退火算法都是局部搜索算法，适用于有很多状态，同时又有多个解的情况，可以在较短时间内获得局部最优解。但是容易陷入局部最优状态。