禁忌搜索算法（Tabu Search，简称TS）是一种高效的优化搜索技术，在多个领域得到了广泛应用。其核心思想在于通过引入禁忌策略，避免陷入局部最优解，从而寻求全局最优解。接下来，我们将详细探讨禁忌搜索算法的背景、原理及流程，以全面理解其运行机制与优势。
01禁忌搜索算法综述
❒ 诞生背景
禁忌搜索算法，简称TS，是一种高效且富有策略性的优化搜索技术。其诞生 源于对传统搜索算法局限性的克服需求，特别是在处理复杂优化问题时，传统算法往往难以跳出局部最优解的陷阱。禁忌搜索算法通过引入独特的禁忌策略，成功避免了这一问题，使得全局最优解的寻求成为可能。这一算法是由Glover等人在1986年首次提出，通过模拟人类智能的记忆功能，TS引入了灵活的存储结构和禁忌准则，以避免陷入不必要的迂回搜索。同时，它还运用藐视准则来释放一些被禁忌的优质状态，从而确保搜索的多样性并最终达成全局优化。禁忌搜索充分展现了人工智能的特点，其核心思想在于标记已搜索的局部最优解，并在后续迭代中刻意避开这些标记对象，以探索不同的有效搜索路径。这一算法框架基于智能记忆，可根据具体问题灵活设计。目前，TS算法常与其他优化算法结合使用，为其注入TS的思想以提升优化效果。
❒ 核心概念
禁忌搜索算法（Tabu Search，简称TS）通过引入智能记忆功能，巧妙地扩展了局部领域搜索，旨在实现全局寻优。其核心思想在于避免不必要的迂回搜索，通过灵活的存储结构和禁忌准则来标记和避开已搜索的局部最优解。同时，结合藐视准则 ，该算法能够释放一些被禁忌的优质状态，从而保持搜索的多样性，确保最终实现全局优化。这一算法框架可根据不同问题灵活设计，目前已被广泛应用于各类优化问题中。
❒ 流程与步骤
领域移动是禁忌搜索算法中的关键步骤，它以当前解为起点，依据预设的移动策略生成多个新解，进而拓宽搜索范围。这些由领域移动产生的新解被称为邻域解，而邻域解的数量则决定了搜索的广度。禁忌表，类似于一个容器，专门用于存放禁忌对象。一旦某个对象被放入禁忌表中，它将在解禁之前不会被再次搜索。这种机制模拟了人的记忆功能，有助于防止搜索过程陷入局部最优解，从而能够更广泛地探索可能的搜索空间。
特赦准则，亦被称为藐视准则、破禁准则或释放准则，其核心作用在于确保搜索过程在面临两种情况时能够做出有效反应：一是当所有候选解都被禁止时，二是出现优于当前最优解的候选解（或状态）被禁止时。通过特赦准则，我们可以释放特定的解（或状态），进而实现 高效的全局优化搜索。终止准则，即算法何时停止搜索的规则。在实际应用中，我们通常采用以下近似终止（或收敛）准则：当算法迭代达到预设的最大次数时停止；当最优解的目标函数值小于某个预设误差时停止；当最优解的禁忌频率达到特定值时停止。
❒ 优缺点分析
作为一种启发式搜索算法，TS 算法具有 其独特的优点和不足之处。在应用中，我们需要根据具体问题来选择是否使用该算法，并针对其缺点进行改进。优点 包括：能够接受劣解，从而使算法具备 强大的"爬山"能力，这种能力使算法在搜索时能够跳出局部最优解，进而探索解空间的其他区域，显著提高 发现全局最优解的机会；产生新解时，选出的解要么是优于"迄今为止的最佳解"的解，要么是在禁忌之外的非禁忌最佳解，选择优良解的概率 高于其他方法。缺点包括：对初始值的选取非常敏感，好的初始解能够显著加速搜索过程，使其更快地找到最优解，而较差的初始解可能导致搜索过程陷入困境，无法达到最优解；算法的迭代搜索过程是串行的，即每次仅移动一个单一状态而非并行搜索多个状态，这种串行搜索方式在某些情况下可能效率较低。