爬山算法是人工智能算法的一种，特点在于局部择优，所以不一定能够得到全局最优解，尽管效率比较高。使用爬山算法寻找序列最大值的思路是：在能看得到的局部范围内寻找最大值，如果当前元素已经是最大值就结束，如果最大值仍在前面就往前移动到该最大值位置（往上爬），重复上面的过程。如果原始数据的大小和分布类似于下面的图，那么从右往左爬的话就可以找到全局最大值，并且能节省一些时间。而如果从左往右爬的话无法找到全局最大值，只能找到局部最大值，除非把“邻域”定义的非常大，但是如果邻域定义的非常大的话有时候会严重影响算法效率。

from random import randint

def hillMax(lst, howFar):

    '''

    lst:待确定最大值的列表

    howFar:爬山时能看到的“最远方”，越大越准确

    '''

    #由于切片是左闭右开区间，所以howFat必须大于1

    assert howFar>1, 'howFar must >1'

    #从列表第一个元素开始爬

    #如果已经到达最后一个元素，或者已找到局部最大值，结束

    start = 0

    ll = len(lst)

    while start <= ll:

        m = lst[start]

        loc = lst[start:start+howFar]

        mm = max(loc)

        if m == mm:

            return m

        else:

            #局部最大数的位置

            mmPos = [p for p, v in enumerate(loc) if v==mm]

            start += mmPos[0]

#测试

lst = [randint(1, 100) for i in range(20)]

print(lst)

print(max(lst))

print(hillMax(lst,6))