3.2 Local Search

关于Local Search方面的内容，相信大家学习heuristic这么久了，就不用我多说什么了吧：

(Local Search)

简单看一下伪代码即可，主要是邻域算子的设计，然后就是在邻域里面进行搜索，找到一个局部最优解为止。

然后关于邻域搜索，有best-improving or first-improving strategy 两种策略，这个下次有时间出个专题给大家讲明白一些相关概念吧。

04 再论Greedy_Randomized_Construction

前面我们说了，Greedy_Randomized_Construction用于生成初始解，既然是Greedy_Randomized两个结合体，那么肯定就有一个权重分配的问题。

即，是Greedy成分多一点呢？还是Randomized成分多一点好呢？因此，为了控制这两个小老弟的权重，防止某个家伙在该过程中用力过猛导致解不那么好的情况，我们引入一个参数α：

其他部分就不再多说，可以看到，上面的α参数主要是控制RCL（什么是RCL回头去看！）的长度：

当α=0时，纯贪心，只能选取最优的候选元素。

当α=1时，纯随机，所有候选元素都可随机选。

05 代码实现

由于小编精力有限，就不从头写一遍了，从GitHub上找了一个感觉还不错的算法给大家，也是求解TSP问题的。

不过说实在的，python写算法的速度是很慢的，无论是速度还是算法架构等方面都不推荐大家用matlab或者python这种脚本性的语言写大型优化算法。

运行结果如下：

（Berlin52）

代码算例以及相关运行结果请移步留言区。