首先，什么是局部搜索算法？
某些问题中，不是找到目标状态的路径，而是目标状态本身
a、从当前状态出发，通过行为到达他的邻近状态而不保留搜索路径
b、优点：很少的内存、能在很大或无限的状态空间中找到合理的解
爬山法
只要发现上坡就向上爬，直到当前位置周围只有下坡
空间复杂度不高
不一定找得到最优解，只能找到局部最优解
不完备，比方说n皇后问题
这个很好理解吧，我就不做解释了
模拟退火算法
爬山法每次都向当前最优方向，也就是路径是一定的，因此可能陷入局部最优
模拟退火算法是爬山法和随机法的结合
思想：允许算法向坏的方向移动以摆脱局部最优值，但是这种移动随着时间的推移概率逐步下降（1、随着时间的推移，距离最优点越近；2、在邻近最优点的时候，算法容易发生震荡而不收敛）；最初允许更大概率选择坏方向，随着时间推移向好方向。
算法初期向坏的方向移动更加有利于找到全局最优
模拟退火算法每执行一次基本都不同
如果时间下降的足够慢，则可以找到最优值（这个有待考证）
简单地将，在爬山的过程中，不定时地向山下走两步
