局部最优，是在当前可比较的邻近选择中已经没有更好答案，但放到更大范围里，它未必最好。
想象在浓雾中爬山：你每一步都选择最陡的上坡，最后会抵达一个山顶；可远处也许还有更高的山。因为下坡看起来暂时变差，只允许步步改善的方法便无法离开眼前山头。起点不同，抵达的峰顶也可能不同。
局部最优不等于选择错误。许多现实问题不可能穷尽全部方案，一个足够好的局部答案常有实际价值。它也不同于路径依赖：路径依赖强调过去如何改变当前选择成本；局部最优强调评价范围太近，使继续改善需要先接受短暂退步。这个概念提醒我们，进步不能只看下一步，还要检查搜索范围、起点和是否允许探索。
https://inst.eecs.berkeley.edu/~cs188/textbook/search/local.html
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。