基于偏转变换和冲量的函数最优学习算法

爬山算法是一种贪婪局部搜索算法,通过朝函数值增加方向持续移动的方式求解函数最优。它能够很快向着解的方向进展,但是容易陷入局部最优解。本文在爬山算法的基础上,提出了一种通过对目标函数实施偏转变换和在学习过程中增加冲量的求解函数最优的新算法。实验表明,改进的算法可以提高爬山算法找到全局最优的概率,提高收敛速度,获得比简单的随机重新开始爬山算法更理想的效果。