Descenso estocástico
La estrategia del algoritmo de descenso estocástico es iterar el proceso de seleccionar aleatoriamente un vecino para una solución candidata y solo aceptarlo si resulta en una mejora. La estrategia propuesta tenía como objetivo abordar las limitaciones de las técnicas de escalada deterministas que probablemente se atasquen en los óptimos locales debido a su codiciosa aceptación de los movimientos vecinos.
El algoritmo de descenso estocástico se diseñó para su uso en dominios discretos con vecinos explícitos, como la optimización combinatoria (frente a la optimización de funciones continuas). La estrategia del algoritmo se puede aplicar a dominios continuos usando un paso para definir vecinos candidatos para la solución (como el búsqueda aleatoria búsqueda aleatoria localizada y determinada por tamaño por pasos).
El algoritmo de descenso estocástico es una técnica de busqueda local y se puede utilizar para obtener un resultado después de ejecutar un algoritmo búsqueda mundial. Aunque la técnica utiliza un proceso estocástico, puede atascarse en los óptimos locales. Se deben aceptar vecinos con un costo igual o mayor, lo que permite que la técnica navegue a través de conjuntos equivalentes de la campo de definición.
El algoritmo se puede reiniciar y repetir varias veces después de que converge para proporcionar un resultado mejorado (llamado Multiple Restart Hill Climbing). El procedimiento se puede aplicar simultáneamente a varias soluciones candidatas, lo que permite la ejecución simultánea de varios algoritmos (llamado Parallel Hill Climbing).
