基于禁忌搜索的局部优化学习结题报告.docx

基于禁忌搜索的局部优化学习结题报告

本研究围绕机器学习模型训练中的非凸优化难题，提出一种基于禁忌搜索的局部优化学习框架。该框架以禁忌搜索算法为核心，在局部梯度优化陷入停滞时动态生成候选邻域，利用禁忌表和特赦准则引导搜索过程跳出局部最优，同时保留局部搜索的高效收敛特性。在多个标准测试函数和图像分类任务上的实验表明，所提方法在收敛精度、稳定性和跳出局部最优能力上均优于传统随机梯度下降、Adam以及模拟退火等对比算法，验证了禁忌搜索机制在连续参数空间局部优化学习中的有效性。

关键词：禁忌搜索；局部优化；机器学习；非凸优化；混合算法

一、研究背景与意义

机器学习模型的训练过程通常可以归结为对高维非凸损