爬山法是一种局部搜索算法，也属一种启发式方法。但它一般只能得到局部最优，并且这种解还依赖于起始点的选取。现在有各种版本的爬山法，下面给出的是一种简单迭代爬山法。
开始时，当前解的所有可能邻域都被考虑，并且将且有最好评估值eval_r(vn)的串vn与当前串vc作比较。如果eval_r(vc)比eval_r(vn)差，则新串vn就成为当前串；否则，则没有可能再进行局部改进：该算法已经达到局部最优或者全局最优（变量local=TRUE).
在这种情况下，算法的下一次迭代（t←t+1）随机选取一个新的当前串来执行.
|
procedure 迭代爬山法
begin
t ← 0
初始化 best
repeat
local ← FALSE
随机选取一个当前点vc
评估vc
repeat
在vc的邻域中选择所有新点
从这个新点的集合中找到使评估函数eval的值最优的点vn
if eval（vn） 好于 eval（vc）
then vc ← vn
else local ← TRUE
until local
t ← t+1
if vc 好于 best
then best ← vc
until t = MAX
end
|