最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

光伏发电系统的输出功率随外界环境的改变而变化，若控制光伏列阵始终在最大功率点处工作，将能提高光伏发电效率。在传统单一的MPPT算法中，无法同时满足系统的动态性和稳态性，为此拟提出一种将爬山法与变论域模糊控制组合算法，并通过Simulink仿真分析，分别对比研究了爬山法、模糊控制法、变论域模糊控制以及组合算法跟踪光伏列阵最大功率点的输出特性。仿真结果表明：组合控制算法能快速、稳定地追踪最大功率点。

人工智能爬山法解决N皇后问题，vs2010编写，效果很好，代码有注释，可轻松理解。

人工智能-项目实践-优化算法-基于python的可视化爬山法 climb-display-demo 爬山法可视化demo How to use run main.py

编程实现爬⼭山法，模拟退⽕火法，遗传算法，解决⼋八皇后问题。 本实验选择采⽤C++编程实现。

人工智能中N皇后问题回溯法爬山算法的实现及性能分析。包含源代码和分析数据。

采用随机重启爬山法、最小冲突法和遗传算法求解n皇后问题 可以直接运行，C++编写，效率很快，C++编写，效率很快

 风力发电系统的输出功率受外界因数和风速的影响。为了提高小型风机发电机组的转换效率，文中采用一种最大功率优化跟踪算法。以变步长来跟踪风速变化，当功率变化小于一个阈值时停止搜索，来实现最大功率收索的快速性和稳定性。以带齿轮箱6 kW的鼠笼异步式风力发电并网为基础，通过Matlab/Simulink软件仿真结果证实此种方法与定步长爬山法相比，能够达到快速跟踪最大功率点和避免达到最大功率点附近的时候频繁波动。

用爬山法解决N皇后问题，3000个皇后可以在1s内求得一个解

分别用爬山法和 GA 算法求解 n 皇后问题。 要求： ⅰ 输入 n，并用运行时间比较几种算法在相同规模的问题时的求解效率。列表给出结果。 ⅱ 比较同一算法在 n 不相同时的运行时间，分析算法的时间复杂性。