# 局部最优陷阱

> 在爬山算法中，你爬到了一个山顶，四周都是下坡，你以为到了最高点（全局最优），其实旁边还有一座更高的山（全局最优），但要过去必须先下坡（暂时变差）

- ID: m01752
- 分类: technical
- 领域: 算法

## 定义

在爬山算法中，你爬到了一个山顶，四周都是下坡，你以为到了最高点（全局最优），其实旁边还有一座更高的山（全局最优），但要过去必须先下坡（暂时变差）。脚手架作用：- 转型勇气：当你即使再努力也无法提升业绩时，可能你被困在了局部最优。必须敢于接受短期的业绩下滑（下坡），去切换赛道（寻找更高的山），否则只能在低水平内卷。

## 机制

爬山算法中爬到一山顶（局部最优）便以为到顶，四周皆下坡，需先下坡才能抵达更高的山（全局最优）。机制是"改进的本能"把人锁在次优点。

## 练习

当再努力也无法提升时，怀疑已进入局部最优；敢于接受短期业绩下滑去切换赛道；用多元化探索寻找更高峰。

## 脚手架用法

- 转型勇气：当你即使再努力也无法提升业绩时，可能你被困在了局部最优。必须敢于接受短期的业绩下滑（下坡），去切换赛道（寻找更高的山），否则只能在低水平内卷。

[阅读网页](https://thinkingmodels.site/entries/detail/m01752)